TimeInf：基于影响函数的时间序列数据贡献
医学物理
2024-07-23 v1
摘要
评估单个数据点对模型预测的贡献对于解释模型预测和改进模型性能至关重要。现有的数据贡献方法已应用于各种数据类型，包括表格数据、图像和文本；但其主要关注点是 i.i.d. 设置。尽管存在针对时间序列数据集的原则方法的迫切需求，但估计此类设置下的数据贡献的问题仍未得到充分探索，可能是由于处理固有时序依赖性的挑战。本文介绍 TimeInf，这是一种用于时间序列数据集的模型中性数据贡献估计方法。通过利用影响分数，TimeInf 在保持时间点之间时序结构的同时，将模型预测归因于单个时间点。我们的实证结果表明，TimeInf 有效检测时间序列异常，并优于现有数据归因技术以及最先进的异常检测方法。此外，TimeInf 提供了可解释的数据值归因，允许我们通过可视化来区分多样化的异常模式。我们还展示了 TimeInf 在识别地面真实标注中误标记的异常方面的潜在应用。
引用
@article{arxiv.2407.15246,
title = {Clinical Validation of myOSLchip system for Radiotherapy Dosimetry},
author = {H. Davis and J. Siebers and K. Wijesooriya and M. Mistro},
journal= {arXiv preprint arXiv:2407.15246},
year = {2024}
}