基于逻辑的可解释性与部分指定输入
摘要：在实际应用机器学习（ML）模型时，缺失数据是一个常见的挑战。通常在训练ML模型时会处理缺失数据。但在决策预测和解释预测时也需要处理缺失数据。缺失数据提供了一个部分指定的预测输入的机会，可以解释。本文研究了在部分指定的输入存在的情况下计算基于逻辑的解释。文中显示，近年来提出的大多数用于计算基于逻辑的解释的算法可以推广为给定部分指定的输入计算解释。一个相关的结果是计算基于逻辑的解释的复杂性保持不变。对于受输入约束的基于逻辑的可解释性案例也证明了类似的结果。此外，将提出的用于计算给定部分指定的输入解释的解决方案应用于从著名公共数据集获得的分类器，从而展示了一些新的可解释性用例。
作者：Ram''on B''ejar and Ant''onio Morgado and Jordi Planes and Joao Marques-Silva
论文ID：2306.15803
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-29