反実仮想機械学習と反実仮想説明の違い - Qiita
これは何？ 近年、機械学習に関連する研究において「反実仮想機械学習（Counterfactual Machine Learning，CFML）」や「反実仮想説明（Counterfactual Explanation，CE）」と言ったキーワードが見られるようになりました。これらはいずれも「反実仮想（Counterfactual）」というキーワードを含んでいます。反実仮想とは以下を意味します。 文法で、事実と反対のことを想定すること。「もし〜だったら…だろうに」のような言い方。 引用元：反実仮想とは - コトバンク それゆえ、名称が似ていますが、その内容は異なります。本記事では筆者（@daikikatsuragawa）なりに理解した、反実仮想機械学習と反実仮想説明の違いについて紹介します。補足や助言などありましたら「コメント」や「編集リクエスト」をいただけると幸いです。 比較表 ※おそらくレイ
機械学習で因果推論~Meta-LearnerとEconML~
はじめに Meta-LearnerとEconMLについて、Pythonによる実装を交えてまとめました。内容について誤り等ございましたら、コメントにてご指摘いただけますと幸いです。 機械学習を用いた因果推論 機械学習を用いた因果推論手法のうち、今回はMeta-Learnerについて紹介します。 Meta-Leanrerとは Meta-Learnerとは、機械学習と因果推論の考え方を掛け合わせて条件付き平均処置効果(CATE: Conditional Average Treatment Effect)を推定する手法の総称です。 条件付き平均処置効果(CATE)とは、平均処置効果(ATE: Average Treatment Effect)をある条件(X=x)に限定して算出したものであり、処置を実施した場合の結果をY(1)、処置を実施しなかった場合を結果Y(0)とすると \hat{\tau}(x
DiCE: Counterfactual Explanations offer clarity in AI decision-making
Consider a person who applies for a loan with a financial company, but their application is rejected by a machine learning algorithm used to determine who receives a loan from the company. How would you explain the decision made by the algorithm to this person? One option is to provide them with a list of features that contributed to the algorithm’s decision, such as income and credit score. Many
KLダイバージェンスの || をLaTeXで"正しく"書きたい話 - Qiita
\DeclareMathOperator{\KL}{KL} \KL[p \parallel q ]:=\int p(x)\log\frac{p(x)}{q(x)}\;\mathrm{d} x と定義される，2つの確率分布 $p$, $q$ の"距離"を測る指標である． $p$, $q$ に対して非対称であり，数学的な「距離」の定義を満たさないのだが，$p$ が $q$に近いほど小さくなるため統計などの分野でよく用いられる． この非対称性など，「普通とは違う」感を表すためか，$p$, $q$ の間は $\parallel$ という記号で区切って表記する場合が多い． 本記事はこのダブルバーティカルバー1 $\parallel$ という記号をLaTeX上でどう表記するのが適切なのかという話題である． 結論 先に結論を述べると，一般的には \parallel ，分数式を使うときなどカッコの \le
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
