XTSC-Bench：时间序列分类解释器的定量基准测试
机器学习
2023-10-24 v1
摘要
尽管时间序列分类 (TSC) 中可解释机器学习的工作日益增多，如何评估不同可解释性方法仍不明确。借助定性评估与用户研究来评估 TSC 解释器是困难的，因为人类难以理解时间序列数据中所含的底层信息。因此，对解释方法进行系统性审视与定量比较以确认其正确性变得至关重要。尽管针对表格、图像与文本数据已采取步骤进行标准化评估，但由于 a) 传统度量不直接适用，b) 文献中对传统度量在时间序列上的实现与改编不一，以及 c) 基线实现各异，对时间序列上的可解释性方法进行基准测试颇具挑战。本文提出 XTSC-Bench，一个为评估 TSC 解释方法提供标准化数据集、模型与度量的基准工具。我们分析了 TSC 的 3 种基于扰动、6 种基于梯度与 2 种基于样例的解释方法，表明解释器的鲁棒性与可靠性尤需提升，特别是对多元数据。
引用
@article{arxiv.2310.14957,
title = {XTSC-Bench: Quantitative Benchmarking for Explainers on Time Series Classification},
author = {Jacqueline Höllig and Steffen Thoma and Florian Grimm},
journal= {arXiv preprint arXiv:2310.14957},
year = {2023}
}
备注
Accepted at ICMLA 2023