기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
비대칭 섀플리 값
SageMaker Clarify 시계열 예측 모델 설명 솔루션은 협동 게임
배경
목표는 주어진 예측 모델 f에 대한 입력 특징의 속성을 계산하는 것입니다. 예측 모델은 다음과 같은 입력을 받습니다.
과거 시계열 (대상 TS). 예를 들어, 파리-베를린 노선의 일일 과거 열차 승객을 x로 표시할 수 있습니다. t
(선택 사항) 공변량 시계열. 예를 들어, z R S로 표시되는 축제 및 날씨 데이터일 수 있습니다. t 공변량 TS를 사용할 경우 과거 시간 단계 또는 미래 시간 단계 (축제 달력에 포함) 에만 사용할 수 있습니다.
(선택 사항) u R E로 표시되는 서비스 품질 (예: 1등급 또는 2등급) 과 같은 정적 공변량
특정 적용 시나리오에 따라 정적 공변량, 동적 공변량 또는 둘 다 생략할 수 있습니다. 예측 기간이 K ≥ 0 (예: K=30일) 인 경우 모델 예측은 f (x, z, u) = x라는 공식으로 특징지을 수 있습니다. [1:T] [1:T+K] [T+1:T +K+1]
다음 다이어그램은 일반적인 예측 모델의 종속성 구조를 보여줍니다. 시간 t+1에서의 예측은 앞서 언급한 세 가지 유형의 입력에 따라 달라집니다.
메서드
설명은 원래 입력값에서 도출된 일련의 점에 대해 시계열 모델 f를 쿼리하여 계산합니다. Clarify는 게임 이론적 구성에 따라 입력의 일부를 반복적으로 난독화 (즉, 기준 값으로 설정) 하여 예측의 평균 차이를 구합니다. 시간 구조는 연대순이나 반연대순 또는 둘 다로 탐색할 수 있습니다. 연대순 설명은 첫 번째 단계에서 정보를 반복적으로 추가하는 방식으로 작성되지만 마지막 단계부터 반연대순으로 추가합니다. 주가를 예측할 때와 같이 최근의 편향이 있는 경우에는 후자의 모드가 더 적절할 수 있습니다. 계산된 설명의 중요한 특성 중 하나는 모델이 결정론적 결과를 제공하는 경우 해당 설명이 원래 모델 출력과 합산된다는 것입니다.
결과 어트리뷰션
결과 어트리뷰션은 예측된 각 타임스텝의 최종 예측에 대한 특정 타임스텝 또는 입력 피처의 개별 기여도를 표시하는 점수입니다. Clarify는 다음과 같은 두 가지 세분화된 설명을 제공합니다.
시간별 설명은 비용이 많이 들지 않으며 특정 시간 단계에 대한 정보만 제공합니다. 예를 들어, 과거 19일의 정보가 미래 1일의 예측에 기여한 정도와 같은 특정 시간 단계에 대한 정보만 제공합니다. 이러한 속성은 개별 정적 공변량을 설명하거나 대상 및 공변량 시계열의 집계 설명을 설명하지 않습니다. 속성은 행렬 A이며, 여기서 각 A는 시간 단계 t가 시간 단계 tk t+k의 예측에 미치는 속성입니다. 참고로, 모형이 미래 공변량을 받아들이면 t가 T보다 클 수 있습니다.
세밀한 설명은 계산 집약도가 높으며 입력 변수의 모든 속성을 전체적으로 분석해야 합니다.
참고
세밀한 설명은 연대순만 지원합니다.
결과 어트리뷰션은 다음과 같이 구성된 세 개의 어트리플릿입니다.
입력 시계열과 관련된 행렬 A x R T×K. 여기서 A x는 예측 단계 tk T+k에 t 대한 x의 속성입니다.
공변량 시계열에 관련된 텐서 A z R T+K×S×K. 여기서 A tsk z는 예측 단계 T+k에 대한 z ts (즉, sth 공변량 TS) 의 귀속입니다.
정적 공변량과 관련된 행렬 A u R E×K. 여기서 A ek u는 예측 단계 T+k에 대한 u e (e번째 정적 공변량) 의 속성입니다.
세부 수준과 관계없이 설명에는 모든 데이터가 난독화될 때 모델의 “기본 동작”을 나타내는 오프셋 벡터 B R K도 포함됩니다.
