Time Interpret: a Unified Model Interpretability Library for Time Series

要約

本論文では、Captumの拡張として設計された、時間データに特化したライブラリ$texttt{time_interpret}$を紹介する。このライブラリは、Pytorchモデルによる予測を説明するために使用できる、いくつかの特徴帰属法を実装しています。また、$texttt{time_interpret}$は、いくつかの合成および実世界の時系列データセット、様々なPyTorchモデル、および特徴帰属を評価するための一連のメソッドを提供します。さらに、主に時間データに基づく予測を説明するために開発されているが、その構成要素の中には、例えば言語モデルによる予測を説明する手法など、異なるアプリケーションを持つものもある。本論文では、このライブラリの一般的な紹介を行う。また、$texttt{time_interpret}$と共に開発された、未発表の特徴帰属法もいくつか紹介する。

要約(オリジナル)

We introduce $\texttt{time_interpret}$, a library designed as an extension of Captum, with a specific focus on temporal data. As such, this library implements several feature attribution methods that can be used to explain predictions made by any Pytorch model. $\texttt{time_interpret}$ also provides several synthetic and real world time series datasets, various PyTorch models, as well as a set of methods to evaluate feature attributions. Moreover, while being primarily developed to explain predictions based on temporal data, some of its components have a different application, including for instance methods explaining predictions made by language models. In this paper, we give a general introduction of this library. We also present several previously unpublished feature attribution methods, which have been developed along with $\texttt{time_interpret}$.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL