Ковалев Максим Сергеевич Методы объяснения результатов моделей машинного обучения в контексте анализа выживаемости

Короткий опис

Ковалев Максим Сергеевич Методы объяснения результатов моделей машинного обучения в контексте анализа выживаемости
ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ
кандидат наук Ковалев Максим Сергеевич
Введение

Глава 1. Постановка задачи и анализ современных подходов к ее решению

1.1. Основные понятия и элементы теории анализа выживаемости

1.1.1 Понятие цензурированности данных

1.1.2. Элементы теории анализа выживаемости

1.2. Классификация методов анализа выживаемости

1.2.1. Статистические методы

1.2.1.1. Параметрические модели

1.2.1.2. Непараметрические модели

1.2.1.3. Полупараметрические модели

1.2.2. Методы машинного обучения для задач с цензурированными данными

1.2.2.1. Модификации модели пропорциональных рисков Кокса

1.2.2.2. Нейронные сети и глубокое обучение

1.2.2.3. Случайные леса выживаемости

1.3. Методы объяснения результатов моделей машинного обучения

1.3.1. Основные определения

1.3.2. Метод локального объяснения LIME

1.3.3. Метод локального объяснения SHAP

1.3.4. Контрфактуальные объяснения

1.4. Элементы интервальных статистических моделей

1.5. Общая постановка задачи объяснения предсказаний моделей машинного обучения при цензурированных данных

Глава 2. Метод локального объяснения результатов модели машинного

обучения в контексте теории анализа выживаемости

2.1. Ступенчатая функция как результат работы модели машинного обучения

2.2. Концептуальное описание разрабатываемого метода

2.3. Формальное описание метода локального объяснения

2.4. Численные эксперименты

2.4.1. Генерация данных

2.4.2. Эксперименты на сгенерированных данных

2.4.2.1. Эксперимент

2.4.2.2. Эксперимент

2.4.2.3. Эксперимент

2.4.3. Эксперименты на реальных данных

2.5. Выводы

Глава 3. Метод робастного объяснения результатов моделей машинного обучения в анализе выживаемости, обученных на малых выборках

3.1. Аналог границ Колмогорова-Смирнова для кумулятивной функции риска в виде ступенчатой функции

3.2. Описание разрабатываемого метода и постановка итоговой задачи объяснения

3.3. Численные эксперименты

3.3.1. Эксперименты на сгенерированных данных

3.3.1.1. Эксперимент

3.3.1.2. Эксперимент

3.3.2. Эксперименты на реальных данных

3.4. Выводы

Глава 4. Контрфактуальное объяснение результатов моделей машинного

обучения для задач анализа выживаемости

4.1. Постановка задачи контрфактуального объяснения в контексте анализа выживаемости

4.2. Контрфактуальное объяснение результатов модели пропорциональных рисков Кокса

4.3. Эвристический алгоритм поиска решения задачи контрфактуального объяснения

4.4. Численные эксперименты

4.4.1. Эксперименты на сгенерированных данных

4.4.2. Эксперименты на реальных данных

4.5. Выводы

Глава 5. Комплекс программ, реализующий построение объяснения результатов моделей машинного обучения в рамках анализа выживаемости

Заключение

Список литературы 135 Приложение А

Введение