关于 SDD 及相关分类器解释中特征隶属关系的判定
人工智能
2022-02-16 v1
摘要
在对机器学习（ML）分类器的解释进行推理时，一个相关的查询是判定某些敏感特征是否可用于解释给定预测。近期研究表明，对于一大类分类器，特征隶属问题（FMP）在复杂度上属于 难。相比之下，本文证明对于若干分类器族，FMP 属于 NP。具体而言，本文证明：对于任何可在多项式时间内计算出解释的分类器，判定某特征是否隶属于该解释可通过一次 NP 预言机调用完成。随后，本文针对以句子决策图（SDD）表示的分类器以及其他相关的命题语言给出了命题编码。实验结果证实了所提方法的实际效率。
引用
@article{arxiv.2202.07553,
title = {On Deciding Feature Membership in Explanations of SDD & Related Classifiers},
author = {Xuanxiang Huang and Joao Marques-Silva},
journal= {arXiv preprint arXiv:2202.07553},
year = {2022}
}