Active feature acquisition by prediction explanations

slovenski

2026

letnik 93, številka 1-2

aktivno pridobivanje značilk   manjkajoči podatki   Shapleyeve razlage   strojno učenje

Elektrotehniška zveza Slovenije
(Obvezni izvod spletne publikacije)

V mnogih prakticnih aplikacijah strojnega u ˇ cenja, npr. v ˇ medicinski diagnostiki, je pridobivanje dodatnih znacilk lahko ˇ drag in zamuden postopek. Aktivno pridobivanje znacilk ˇ (AFA) naslavlja ta problem, a enostavne strategije pogosto uporabljajo staticne, globalne metrike, ki so neodvisne od ˇ konteksta posameznega primera in zato suboptimalne. V clanku predlagamo novo strategijo, ki jo vodijo razlage ˇ SHAP, personalizirane za posamezen primer. Izvedli smo sistematicno primerjavo strategij za aktivno pridobivanje ˇ znacilk (naklju ˇ cna, stati ˇ cna in na razlagah osnovana) na ˇ desetih podatkovnih zbirkah, z mehanizmoma manjkajocih ˇ podatkov MCAR in MNAR. Empiricni rezultati ka ˇ zejo, da je ˇ strategija, osnovana na razlagah, znacilno bolj ˇ sa od stati ˇ cnih ˇ metod, zlasti v kompleksnih in realisticnih pogojih MNAR. ˇ Personalizirane razlage predstavljajo mocan in prilagodljiv ˇ nacin za u ˇ cinkovito pridobivanje dodatnih zna ˇ cilk.

06.07.2026