Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/32384
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Лежнина Елена Александровна | ru_RU |
dc.contributor.advisor | Leznina Elena Aleksandrovna | en_GB |
dc.contributor.author | Мусаева Аида Александровна | ru_RU |
dc.contributor.author | Musaeva Aida Aleksandrovna | en_GB |
dc.contributor.editor | Петросян Леон Аганесович | ru_RU |
dc.contributor.editor | Petrosan Leon Aganesovic | en_GB |
dc.date.accessioned | 2021-08-07T09:11:29Z | - |
dc.date.available | 2021-08-07T09:11:29Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 062243 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/32384 | - |
dc.description.abstract | В рамках данной работы были рассмотрены локальные и глобальные методы интерпретации моделей машинного обучения. Для класса методов с аддитивными значимостями признаков была формализована кооперативная игра и выведены значимости признаков как компоненты вектора Шепли. Была произведена программная реализация описанных подходов, основывающихся как на разложении локальных прогнозов модели, так и на разложении общей точности предсказания модели. Результат работы программы проиллюстрирован на конкретной модели машинного обучения. | ru_RU |
dc.description.abstract | In this paper, were considered local and global explanation methods for machine learning models. For the set of methods with additive feature attributions, the cooperative game was formalized and features importance were derived as components of the Shapley value. The implementation of the described approaches was carried out, based both on the decomposition of the local predictions and on the decomposition of the overall model prediction accuracy. The result of the work is illustrated on the specific machine learning model. | en_GB |
dc.language.iso | ru | |
dc.subject | кооперативная игра | ru_RU |
dc.subject | вектор Шепли | ru_RU |
dc.subject | модель машинного обучения | ru_RU |
dc.subject | зоноид Лоренца | ru_RU |
dc.subject | локальная интерпретируемость | ru_RU |
dc.subject | глобальная интерпретируемость | ru_RU |
dc.subject | cooperative game | en_GB |
dc.subject | Shapley vector | en_GB |
dc.subject | ML model | en_GB |
dc.subject | Lorenz zonoid | en_GB |
dc.subject | local explanation | en_GB |
dc.subject | global explanation | en_GB |
dc.title | Applying Shapley vector to interpret machine learning models | en_GB |
dc.title.alternative | Применение вектора Шепли для интерпретации моделей машинного обучения | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Musaeva_A.A._VKR.pdf | Article | 523,94 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Musaeva_A.pdf | ReviewSV | 83,26 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.