SurvBeNIM: The Beran-Based Neural Importance Model for Explaining the Survival Models

要約

Survival Beran ベースの Neural Importance Model (SurvBeNIM) と呼ばれる新しい方法が提案されています。
これは、生存関数または累積ハザード関数の形式である機械学習生存モデルの予測を説明することを目的としています。
SurvBeNIM の背後にある主なアイデアは、重要度関数をカーネルに組み込み、これらの重要度関数をエンドツーエンドで共同トレーニングされるニューラル ネットワークのセットとして実装することによって、Beran 推定器を拡張することです。
SurvBeNIM を実装するニューラル ネットワーク全体を使用およびトレーニングする 2 つの戦略が提案されています。
最初のものは単一のインスタンスを説明し、ニューラル ネットワークは説明されたインスタンスごとにトレーニングされます。
2 番目の戦略によれば、ニューラル ネットワークは、データセットのすべてのインスタンスと生成されたすべてのインスタンスについて 1 回だけ学習します。
次に、ニューラル ネットワークを使用して、データセット ドメイン内のインスタンスを説明します。
さまざまな数値実験により、この方法をさまざまな既存の説明方法と比較します。
提案された方法を実装するコードは公開されています。

要約(オリジナル)

A new method called the Survival Beran-based Neural Importance Model (SurvBeNIM) is proposed. It aims to explain predictions of machine learning survival models, which are in the form of survival or cumulative hazard functions. The main idea behind SurvBeNIM is to extend the Beran estimator by incorporating the importance functions into its kernels and by implementing these importance functions as a set of neural networks which are jointly trained in an end-to-end manner. Two strategies of using and training the whole neural network implementing SurvBeNIM are proposed. The first one explains a single instance, and the neural network is trained for each explained instance. According to the second strategy, the neural network only learns once on all instances from the dataset and on all generated instances. Then the neural network is used to explain any instance in a dataset domain. Various numerical experiments compare the method with different existing explanation methods. A code implementing the proposed method is publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google