Abductive explanations of classifiers under constraints: Complexity and properties

要約

アブダクティブ説明 (AXp) は、分類器の決定を理解するために広く使用されています。
機能が独立している場合には、既存の定義が適しています。
ただし、機能間に制約が存在する場合に制約を無視すると、冗長または余分な AXp の数が爆発的に増加する可能性があることを示します。
私たちは、制約を考慮し、特徴空間全体またはサンプル (データセットなど) から生成できる 3 つの新しいタイプの説明を提案します。
これらは、説明の対象範囲、つまり説明されるインスタンスのセットという重要な概念に基づいています。
カバレッジが冗長で余分な AXp を破棄するのに十分強力であることを示します。
それぞれのタイプについて、説明を見つける複雑さを分析し、その形式的特性を調査します。
最終的な結果は、さまざまな複雑さとさまざまな形式保証を備えたさまざまな形式の AXp のカタログです。

要約(オリジナル)

Abductive explanations (AXp’s) are widely used for understanding decisions of classifiers. Existing definitions are suitable when features are independent. However, we show that ignoring constraints when they exist between features may lead to an explosion in the number of redundant or superfluous AXp’s. We propose three new types of explanations that take into account constraints and that can be generated from the whole feature space or from a sample (such as a dataset). They are based on a key notion of coverage of an explanation, the set of instances it explains. We show that coverage is powerful enough to discard redundant and superfluous AXp’s. For each type, we analyse the complexity of finding an explanation and investigate its formal properties. The final result is a catalogue of different forms of AXp’s with different complexities and different formal guarantees.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google