Prototype based low-dimensional kernels for interpretable classification
Yorumlanabilir sınıflandırma için prototip temelli eşleme fonksiyonları
- Tez No: 831031
- Danışmanlar: DOÇ. DR. HALUK YAPICIOĞLU
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay öğrenme alanında yorumlananilirlik, özellikle sağlık ve finans gibi yüksek riskli alanlarda model tahminlerine olan güveni sağlamak açısından önem taşımaktadır. Doğrusal modeller, girdi öznitelikleri ve çıktı tahminleri arasındaki ilişkileri temsil etmedeki basitlikleri ve şeffaflıkları nedeniyle yorumlanabilir kabul edildir. Ancak, tahnin performansları karmaşık senaryolarda sınırlı olabilmektedir. Bu araştırma, doğrusal modellerin yorumlanabilirliğini korurken tahmin performansını artırmak için prototiplere (asıl örneklere) dayalı eşleme fonksiyonları önermektedir. Prototipler, model tahminleri için sezgisel açıklamalar sağlamak üzere kullanılabilen temsili veri örnekleridir. Önerilen eşleme fonksiyonları, orijinal girdi özniteliklerine ek olarak prototiplere olan mesafeye dayalı yeni özellikler ekler. Bu sayede, doğrusal modellerin yorumlanabilirliği korunurken karmaşık ilişkileri yakalamasına olanak sağlanır. Önerilen eşleme fonksiyonları, çeşitli veri kümeleri üzerinde değerlendirilerek, yorumlanabilirliği korurken iyieştirilmiş tahmin performansları sağladığı gösterilmiştir. Prototiplerin kullanımı, model tahminlerine açıklamalar sağlayarak uygulayıcıların modeller tarafından verilen nihahi kararları anlamalarına olanak tanır. Bu çalışma, doğrusal modellerin tahmin performansları ve yorumlanabilirlikleri arasındaki ödünleşimi dengeleyen özgün eşleme fonsksiyonları ile yapay öğrenme alanına katkıda bulunmaktadır.
Özet (Çeviri)
Interpretability in machine learning is crucial for building trust and understanding in model predictions, particularly in high-stakes domains, such as healthcare and finance. Linear models are considered interpretable due to their simplicity and transparency in representing relationships between input features and output predictions. However, their prediction performance may be limited in complex scenarios. To address this challenge, this research proposes using mapping functions based on prototypes to enhance prediction performance while preserving the interpretability of linear models. Prototypes are representative examples of the data that can be used to provide intuitive explanations for model predictions. The proposed mapping functions keeps original input features and, adds new features based on the distance to the prototypes, allowing linear models to capture complex relationships while maintaining interpretability. The proposed mapping functions are evaluated on various datasets, demonstrating improved prediction performance while maintaining interpretability. The use of prototypes provides intuitive explanations for model predictions, allowing practitioners to comprehend the final decisions made by the models. This work contributes to the field of machine learning by providing novel mapping functions to balancing prediction performance and interpretability in linear models
Benzer Tezler
- A semantic vector space model using Euclidean distance based relatedness
Öklid uzaklığını kullanarak anlamsal yakınlık hesaplayan bir vektör uzayı modeli
ÇAĞATAY NEFTALİ TÜLÜ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ORHAN
- Three dimensional medical ultrasonic imaging in biomedical applications
Tıbbi uygulamalarda üç boyutlu medikal ultrasonik görüntüleme
AHMET ÖZKURT
Yüksek Lisans
İngilizce
1995
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ÖZMEHMET
- Graphene based materials obtained from graphite and polyacrylonitrile based carbon fiber for energy storage and conversion systems
Enerji depolama ve dönüşüm sistemleri için grafit ve poliakrilonitril esaslı karbon fiberden grafen tabanlı malzemelerin üretilmesi
MEHMET GİRAY ERSÖZOĞLU
Doktora
İngilizce
2022
Kimyaİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. ABDÜLKADİR SEZAİ SARAÇ
PROF. DR. YÜCEL ŞAHİN
- Development of novel vibration/acoustic modeling for low noise hermetic reciprocating compressors and its components
Düşük gürültülü hermetik pistonlu kompresör ve komponentleri için yenilikçi titreşim/akustik model geliştirilmesi
NURİ ONUR ÇATAK
Doktora
İngilizce
2025
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL LAZOĞLU
- GENİŞ AÇILI HUZME TARAMASI YAPABİLEN TM21 KİPİNDE ÇALIŞAN MİKROŞERİT ANTEN TABANLI DOĞRUSAL DİZİ ANTEN TASARIMI VE DENEYSEL DOĞRULAMASI
A LINEAR ARRAY ANTENNA DESIGN WITH WIDE-ANGLE BEAM SCANNING CAPABILITY BASED ON A TM21 MODE MICROSTRIP ANTEN AND EXPERIMENTAL VALIDATION
BURAK ŞEVİK
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAMİL KARAÇUHA
DR. GALİP ORKUN ARICAN