表形式データに対するニューラルネットワークの因果説明

この論文は、特に解釈が難しい表形式データに対するニューラルネットワークの決定を説明するという重要な問題に取り組んでいます。 CENNETという新しい方法を提案し、構造的因果モデル（SCM）を活用して因果関係の説明を提供し、単純な相関関係を超えて疑似相関などの問題に対処することを目指しています。 SCMは通常、予測精度に限界があるため、NNと組み合わせて使用することは重要な貢献です。 表形式データに焦点を当て、新しい説明力指標を開発することも重要です。

• •表形式データにおけるニューラルネットワークの因果関係の説明を提供する新しい方法、CENNETを提案。
• •疑似相関などの問題に対処するために、ニューラルネットワークと構造的因果モデル（SCM）を組み合わせる。
• •エントロピーを使用した新しい説明力指標を導入。
• •特に表形式データに対するニューラルネットワークの予測の解釈可能性の向上に焦点を当てる。