分类任务中数据驱动影响力度量的公理化刻画
人工智能
2018-11-16 v2
摘要
我们研究以下问题：给定一个带标签的数据集和特定数据点 x，第 i 个特征如何影响 x 的分类结果？我们识别了一族数值影响力度量——即给定数据点 x，为每个特征 i 赋予数值 phi_i(x) 的函数，对应于改变 i 的值将如何影响 x 的结果。我们将该族称为单调影响力度量（MIM），它由一组期望性质（或公理）唯一推导得出。MIM 族构成了一种在分类领域度量特征影响力的可证明可靠的方法论；MIM 生成的值仅基于数据集，不对分类器进行任何查询。尽管这一要求自然地限制了我们的框架范围，但我们展示了其在数据上的有效性。
引用
@article{arxiv.1708.02153,
title = {Axiomatic Characterization of Data-Driven Influence Measures for Classification},
author = {Jakub Sliwinski and Martin Strobel and Yair Zick},
journal= {arXiv preprint arXiv:1708.02153},
year = {2018}
}