MiSS: Spiegare i Classificatori di Nuvole di Punti tramite Coalizioni Minime Sufficienti
Un nuovo framework chiamato MiSS è stato sviluppato dai ricercatori per chiarire i classificatori di nuvole di punti 3D utilizzando un ragionamento di sufficienza relativo alle perturbazioni. Questo sistema interpreta le partizioni di superpunti come astrazioni comprensibili e utilizza un approccio MaxSAT pesato per suggerire coalizioni minime di aree geometriche, successivamente validate da un oracolo statistico. MiSS distingue tra proposte candidate e la loro verifica, incorporando strategie come il pavimento di cardinalità adattivo, il fallback certificato di dimensione esatta e l'acquisizione di surrogati. Il framework produce coalizioni sufficienti statisticamente verificate come attributi binari, consentendo spiegazioni senza necessità di accesso white-box al classificatore.
Fatti principali
- MiSS è un framework black-box basato su query per spiegare classificatori di nuvole di punti 3D.
- Utilizza un ragionamento di sufficienza relativo alle perturbazioni con partizioni di superpunti come astrazioni interpretabili.
- Una procedura MaxSAT pesata propone coalizioni minime di regioni geometriche.
- Il sistema impiega euristiche tra cui pavimento di cardinalità adattivo, fallback certificato di dimensione esatta, limite superiore stretto sicuro, clausole di blocco e acquisizione di surrogati.
- Un oracolo statistico black-box verifica la sufficienza dalle query di previsione.
- L'output è una coalizione sufficiente statisticamente verificata come attributo binario.
- MiSS non richiede spazi di caratteristiche booleani o codifiche logiche white-box del predittore.
- Il framework è progettato per classificatori di nuvole di punti 3D.
Entità
—