INSIGHTS: Nuovo Metodo per Spiegazioni Globali di Modelli di Serie Temporali
Un nuovo approccio chiamato INSIGHTS è stato sviluppato dai ricercatori, progettato per fornire spiegazioni globali per modelli di serie temporali in modo incentrato sull'utente e indipendente dal modello. A differenza delle tecniche tradizionali che enfatizzano le attribuzioni locali per istanze specifiche, INSIGHTS crea riepiloghi di campioni che offrono una visione olistica delle prestazioni del modello. Questo metodo utilizza funzioni di utilità per bilanciare l'importanza e la varietà dei campioni di serie temporali, tenendo conto di fattori specifici del dominio come il superamento di norme stabilite. L'enfasi è su chiarezza, efficienza e trasparenza. La valutazione di INSIGHTS è stata condotta attraverso esperimenti, interviste agli utenti e uno studio, dimostrando la sua capacità di generare sottoinsiemi diversificati e informativi. I risultati dettagliati sono disponibili nel preprint arXiv 2605.18849.
Fatti principali
- INSIGHTS è un approccio indipendente dal modello e incentrato sull'utente per spiegazioni globali di modelli di serie temporali.
- Genera riepiloghi di campioni per fornire una panoramica completa del comportamento del modello.
- Il metodo bilancia l'importanza e la diversità dei campioni di serie temporali.
- Le funzioni di utilità catturano aspetti specifici del dominio come il superamento delle norme di dominio.
- La valutazione ha incluso esperimenti, interviste e uno studio con gli utenti.
- I risultati indicano che INSIGHTS costruisce efficacemente sottoinsiemi completi e diversificati.
- L'approccio privilegia semplicità, efficienza e trasparenza.
- I metodi attuali si concentrano su attribuzioni locali a livello di istanza.
Entità
Istituzioni
- arXiv