SurvBeNIM：用于解释生存模型的基于 Beran 的神经重要性模型
机器学习
2023-12-12 v1 人工智能
机器学习
摘要
本文提出了一种名为基于 Beran 的生存神经重要性模型（SurvBeNIM）的新方法。其目的是解释机器学习生存模型的预测，这些预测以生存函数或累积风险函数的形式呈现。SurvBeNIM 背后的主要思想是通过将重要性函数纳入其核中，并将这些重要性函数实现为一组以端到端方式联合训练的神经网络，从而扩展 Beran 估计器。本文提出了两种使用和训练实现 SurvBeNIM 的整个神经网络的策略。第一种策略解释单个实例，并为每个被解释的实例训练神经网络。根据第二种策略，神经网络仅对数据集中的所有实例以及所有生成的实例进行一次学习。然后，该神经网络用于解释数据集域中的任何实例。各种数值实验将该方法与不同的现有解释方法进行了比较。实现所提方法的代码已公开可用。
引用
@article{arxiv.2312.06638,
title = {SurvBeNIM: The Beran-Based Neural Importance Model for Explaining the Survival Models},
author = {Lev V. Utkin and Danila Y. Eremenko and Andrei V. Konstantinov},
journal= {arXiv preprint arXiv:2312.06638},
year = {2023}
}