Análisis de diferentes aproximaciones para determinar la importancia de los atributos en modelos de aprendizaje

Abstract

[ES] Esta tesis de maestría intenta trabajar con modelos de caja negra suponiendo que los datos originales no son disponible con el objetivo de determinar la importancia de la característica. Entonces, la idea es generar un conjunto de datos (mediante el uso de distribuciones normales para generar aleatoriamente los valores de los atributos), para etiquetar el conjunto de datos utilizando el modelo (que actúa como un oráculo) y luego aprender diferentes modelos y extraer presenta importancia de ellos. Nuestro enfoque se basa en lo siguiente racional. Dos modelos son similares en comportamiento, entonces ambos pueden estar de acuerdo en la importancia de la característica. Usamos el kappa mida para identificar cuál de los modelos sustitutos es el más similar. Probamos nuestra hipótesis experimentalmente a través de una gran colección de conjuntos de datos y utilizando diferentes técnicas de aprendizaje para crear Los modelos sustitutos.

[EN] This master thesis tries to work with black- box models assuming that the original data is not available with the aim to determine feature importance. So, the idea is to generate a dataset (by using normal distributions for randomly generating the values of the attributes), to label the dataset using the model (that acts as an oracle) and then to learn different models and extract features importance from them. Our approach is based on the following rational. Two models are similar in behavior then both of them may agree in feature importance. We use the kappa measure to identify which one of the surrogate models is the most similar. We prove our hypothesis experimentally over a large collection of datasets and using different learning techniques to create the surrogate models