基于特征归因算法理解可控因素的影响：一项医学案例研究
人工智能
2022-03-25 v1 机器学习
摘要
特征归因可解释人工智能(XAI)算法通过其特征重要性计算，使用户能够洞察大型数据集的潜在模式。现有特征归因算法对数据集中的所有特征一视同仁，这可能导致对改变特征值所带来后果的误读。在本工作中，我们考虑将特征划分为可控与不可控两部分，并提出可控因子特征归因(Controllable fActor Feature Attribution, CAFA)方法以计算可控特征的相对重要性。我们通过在两个现有数据集以及我们自己的COVID-19非药物控制措施数据集上应用CAFA进行了实验。实验结果表明，借助CAFA，我们能够在解释中排除不可控特征的影响，同时保留完整数据集用于预测。
引用
@article{arxiv.2203.12701,
title = {On Understanding the Influence of Controllable Factors with a Feature Attribution Algorithm: a Medical Case Study},
author = {Veera Raghava Reddy Kovvuri and Siyuan Liu and Monika Seisenberger and Berndt Müller and Xiuyi Fan},
journal= {arXiv preprint arXiv:2203.12701},
year = {2022}
}