NeuralSens：神经网络的敏感性分析
机器学习
2023-05-05 v2 数学软件
机器学习
摘要
神经网络是数据密集型分析的重要工具，常用于建模因变量与自变量之间的非线性关系。然而，神经网络通常被视为“黑箱”，关于拟合模型中输入变量如何用于预测响应的信息极少。本文描述了 \pkg{NeuralSens} 包，该包可利用偏导数方法对神经网络进行敏感性分析。包中的函数可用于获取输出相对于输入变量的敏感性、基于敏感性度量评估变量重要性，并刻画输入与输出变量之间的关系。计算敏感性的方法适用于 \proglang{R} 中常见神经网络包的对象，包括 \pkg{neuralnet}、\pkg{nnet}、\pkg{RSNNS}、\pkg{h2o}、\pkg{neural}、\pkg{forecast} 和 \pkg{caret}。本文概述了从神经网络模型获取信息的技术、多层感知机模型输出相对于输入的偏导数的计算理论基础、包的结构与函数描述，并给出了应用示例以将 \pkg{NeuralSens} 函数与其他可用 \proglang{R} 包中的类似函数进行比较。
引用
@article{arxiv.2002.11423,
title = {NeuralSens: Sensitivity Analysis of Neural Networks},
author = {J. Pizarroso and J. Portela and A. Muñoz},
journal= {arXiv preprint arXiv:2002.11423},
year = {2023}
}
备注
28 pages, 12 figures, submitted to Journal of Statistical Software (JSS) https://www.jstatsoft.org/index