midr：通过最大解释分解从黑盒模型中学习
统计方法学
2025-06-11 v1 机器学习
摘要
在要求模型和预测可解释性的领域中，采用合适的可解释机器学习（IML）和可解释人工智能（XAI）方法对于应用黑盒预测模型至关重要。作为一种解释黑盒模型的新工具，我们引入了 R 包 midr，它实现了最大解释分解（MID）。MID 是一种函数分解方法，通过最小化模型预测函数与该加性表示之间的平方误差，导出黑盒模型的低阶加性表示。midr 通过构建具有高级分析能力的全局代理模型，实现了从黑盒模型中学习。在回顾相关工作及 MID 的理论基础之后，我们演示了该包的用法并讨论了其部分关键特性。
引用
@article{arxiv.2506.08338,
title = {midr: Learning from Black-Box Models by Maximum Interpretation Decomposition},
author = {Ryoichi Asashiba and Reiji Kozuma and Hirokazu Iwasawa},
journal= {arXiv preprint arXiv:2506.08338},
year = {2025}
}
备注
20 pages, 10 figures