留心差距：一种可解释特征选择和提取的生成方法

的一部分神经信息处理系统进展28（NIPS 2015）

作者

Been Kim、Julie A.Shah、Finale Doshi-Velez

摘要

我们提出了思维间隙模型（MGM），这是一种可解释特征提取和选择的方法。通过将可解释性标准直接放入模型中，我们允许模型优化与可解释性相关的参数，并直接报告一组全局可区分维度，以协助进一步的数据探索和假设生成。MGM在动物特征、食谱成分和疾病共现的真实数据集上提取显著特征。与相关方法相比，它还保持或改进了性能。我们与领域专家一起进行了一项用户研究，以展示MGM帮助数据集探索的能力。