为何选择你？AutoXAI：一种用于选择与调优可解释 AI 方案的框架
机器学习
2022-10-11 v2
摘要
近年来，提出了大量 XAI（可解释人工智能）方案以解释现有 ML（机器学习）模型或创建可解释的 ML 模型。近期已提出评估度量，如今可以比较这些 XAI 方案。然而，在如此多样的方案中选取最相关的 XAI 方案仍是一项繁琐任务，尤其在满足特定需求与约束时。本文提出 AutoXAI，一种根据特定 XAI 评估度量并考虑用户上下文（数据集、ML 模型、XAI 需求与约束）来推荐最佳 XAI 方案及其超参数的框架。它借鉴了上下文感知推荐系统的方法以及 AutoML（自动化机器学习）的优化与评估策略。我们将 AutoXAI 应用于两个用例，并表明其推荐的 XAI 方案适应用户需求，且最佳超参数符合用户约束。
引用
@article{arxiv.2210.02795,
title = {Why Should I Choose You? AutoXAI: A Framework for Selecting and Tuning eXplainable AI Solutions},
author = {Robin Cugny and Julien Aligon and Max Chevalier and Geoffrey Roman Jimenez and Olivier Teste},
journal= {arXiv preprint arXiv:2210.02795},
year = {2022}
}
备注
16 pages, 7 figures, to be published in CIKM2022