This part looks alike this: identifying important parts of explained instances and prototypes
机器学习
2025-05-12 v1
摘要
虽然基于原型的解释提供了一种人类可理解的方式来表示模型预测，但往往未能引导用户注意最相关的特征。我们提出了一种新方法，用于识别原型中最具信息量的特征，称为 alike parts。该方法利用来源于无监督解释方法的特征重要性得分，强调实例与其最近原型之间最相关的重叠特征。此外，将特征重要性得分纳入原型选择算法的目标函数，以促进全局原型的多样性。通过对六个基准数据集的实验，我们展示了所提出方法在保持或甚至提高预测准确性的同时，提高了用户对实际情况的理解。
关键词
引用
@article{arxiv.2505.05597,
title = {This part looks alike this: identifying important parts of explained instances and prototypes},
author = {Jacek Karolczak and Jerzy Stefanowski},
journal= {arXiv preprint arXiv:2505.05597},
year = {2025}
}