Implet：一种用于时间序列模型的后置子序列解释器
机器学习
2025-05-14 v1
摘要
时间序列模型的可解释性对于建立信任、促进调试以及确保实际应用中的可解释性至关重要。本文引入 Implet，一种新的后置解释器，用于生成时间序列模型的准确且简洁的子序列级别解释。该方法识别对模型预测有显著贡献的关键时间段，提供了超越传统特征归因方法的增强可解释性。基于此，我们提出了一种基于 cohort (group-level) 的解释框架，以进一步提高解释的简洁性和可解释性。我们在几个标准时间序列分类基准上对 Implet 进行了评估，证明了其在提高可解释性方面的有效性。代码已公开于 https://github.com/LbzSteven/implet
引用
@article{arxiv.2505.08748,
title = {Implet: A Post-hoc Subsequence Explainer for Time Series Models},
author = {Fanyu Meng and Ziwen Kan and Shahbaz Rezaei and Zhaodan Kong and Xin Chen and Xin Liu},
journal= {arXiv preprint arXiv:2505.08748},
year = {2025}
}