‘Why Here and Not There?’ — Diverse Contrasting Explanations of Dimensionality Reduction

要約

次元削減は、一般的な前処理であり、データ マイニングで広く使用されているツールです。
通常は説明によって達成される透明性は、今日では分類器やレコメンダー システムなどの機械学習ベースのシステムで広く受け入れられ、重要な要件となっています。
ただし、次元削減やその他のデータ マイニング ツールの透過性については、まだ十分に検討されていませんが、それでもその動作を理解することが重要です。特に、実務家は、特定のサンプルが特定の場所にマッピングされた理由を理解したい場合があります。
与えられた次元削減方法の動作を (ローカルに) 理解するために、次元削減の説明を対照するという抽象的な概念を導入し、この概念の実現を 2 次元データの視覚化を説明する特定のアプリケーションに適用します。

要約(オリジナル)

Dimensionality reduction is a popular preprocessing and a widely used tool in data mining. Transparency, which is usually achieved by means of explanations, is nowadays a widely accepted and crucial requirement of machine learning based systems like classifiers and recommender systems. However, transparency of dimensionality reduction and other data mining tools have not been considered in much depth yet, still it is crucial to understand their behavior — in particular practitioners might want to understand why a specific sample got mapped to a specific location. In order to (locally) understand the behavior of a given dimensionality reduction method, we introduce the abstract concept of contrasting explanations for dimensionality reduction, and apply a realization of this concept to the specific application of explaining two dimensional data visualization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google