Buchumschlag

Regional Explanations: Bridging Local and Global Variable Importance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Amoukou, Salim I., Brunel, Nicolas J-B.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Local and Regional Counterfactual Rules: Summarized and Robust Recourses
von: Amoukou, Salim I., et al.
Veröffentlicht: (2022)

ShapShift: Explaining Model Prediction Shifts with Subgroup Conditional Shapley Values
von: Bewley, Tom, et al.
Veröffentlicht: (2026)

Entropic Projection Alignment: Estimating, Explaining, and Improving Model Performance Under Distribution Shift
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)

To Steer or Not to Steer? Mechanistic Error Reduction with Abstention for Language Models
von: Hedström, Anna, et al.
Veröffentlicht: (2025)

GLEAMS: Bridging the Gap Between Local and Global Explanations
von: Visani, Giorgio, et al.
Veröffentlicht: (2024)

Unified PAC-Bayesian Study of Pessimism for Offline Policy Learning with Regularized Importance Sampling
von: Aouali, Imad, et al.
Veröffentlicht: (2024)

Counterfactual Metarules for Local and Global Recourse
von: Bewley, Tom, et al.
Veröffentlicht: (2024)

Automatically Adaptive Conformal Risk Control
von: Blot, Vincent, et al.
Veröffentlicht: (2024)

FLEX: Feature Importance from Layered Counterfactual Explanations
von: Keshtmand, Nawid, et al.
Veröffentlicht: (2025)

L2GTX: From Local to Global Time Series Explanations
von: Mekonnen, Ephrem Tibebe, et al.
Veröffentlicht: (2026)

Bridging Local and Global Knowledge via Transformer in Board Games
von: Ju, Yan-Ru, et al.
Veröffentlicht: (2024)

Locally-Minimal Probabilistic Explanations
von: Izza, Yacine, et al.
Veröffentlicht: (2023)

Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels
von: Furman, Oleksii, et al.
Veröffentlicht: (2024)

Global Concept Explanations for Graphs by Contrastive Learning
von: Teufel, Jonas, et al.
Veröffentlicht: (2024)

Causality-Aware Local Interpretable Model-Agnostic Explanations
von: Cinquini, Martina, et al.
Veröffentlicht: (2022)

Trust Regions for Explanations via Black-Box Probabilistic Certification
von: Dhurandhar, Amit, et al.
Veröffentlicht: (2024)

Learn Globally, Speak Locally: Bridging the Gaps in Multilingual Reasoning
von: Hwang, Jaedong, et al.
Veröffentlicht: (2025)

Feature Importance Depends on Properties of the Data: Towards Choosing the Correct Explanations for Your Data and Decision Trees based Models
von: Ayad, Célia Wafa, et al.
Veröffentlicht: (2025)

Bayesian Off-Policy Evaluation and Learning for Large Action Spaces
von: Aouali, Imad, et al.
Veröffentlicht: (2024)

BELLA: Black box model Explanations by Local Linear Approximations
von: Radulovic, Nedeljko, et al.
Veröffentlicht: (2023)

One Permutation Is All You Need: Fast, Reliable Variable Importance and Model Stress-Testing
von: Dorador, Albert
Veröffentlicht: (2025)

Exploring Local Explanations of Nonlinear Models Using Animated Linear Projections
von: Spyrison, Nicholas, et al.
Veröffentlicht: (2022)

Variational Learning of Gaussian Process Latent Variable Models through Stochastic Gradient Annealed Importance Sampling
von: Xu, Jian, et al.
Veröffentlicht: (2024)

From Predictions to Explanations: Explainable AI for Autism Diagnosis and Identification of Critical Brain Regions
von: Gupta, Kush, et al.
Veröffentlicht: (2025)

Beyond Linear Surrogates: High-Fidelity Local Explanations for Black-Box Models
von: Shrestha, Sanjeev, et al.
Veröffentlicht: (2025)

UrbanVerse: Learning Urban Region Representation Across Cities and Tasks
von: Sun, Fengze, et al.
Veröffentlicht: (2026)

Local Causal Structure Learning in the Presence of Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2024)

Skillful Kilometer-Scale Regional Weather Forecasting via Global and Regional Coupling
von: Chen, Weiqi, et al.
Veröffentlicht: (2026)

Local vs Global continual learning
von: Lanzillotta, Giulia, et al.
Veröffentlicht: (2024)

Explanations are a Means to an End: Decision Theoretic Explanation Evaluation
von: Guo, Ziyang, et al.
Veröffentlicht: (2025)

Hypothesis Class Determines Explanation: Why Accurate Models Disagree on Feature Attribution
von: B, Thackshanaramana
Veröffentlicht: (2026)

Explanations as Bias Detectors: A Critical Study of Local Post-hoc XAI Methods for Fairness Exploration
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2025)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

GIFT: Global stabilisation via Intrinsic Fine Tuning
von: Young, Rory, et al.
Veröffentlicht: (2026)

Delivering Inflated Explanations
von: Izza, Yacine, et al.
Veröffentlicht: (2023)

Importance Sampling for Nonlinear Models
von: Rajmohan, Prakash Palanivelu, et al.
Veröffentlicht: (2025)

Comparative Explanations: Explanation Guided Decision Making for Human-in-the-Loop Preference Selection
von: Chakraborty, Tanmay, et al.
Veröffentlicht: (2025)

From Local to Cluster: A Unified Framework for Causal Discovery with Latent Variables
von: Li, Zongyu
Veröffentlicht: (2026)

On Discovery of Local Independence over Continuous Variables via Neural Contextual Decomposition
von: Hwang, Inwoo, et al.
Veröffentlicht: (2024)

GradCFA: A Hybrid Gradient-Based Counterfactual and Feature Attribution Explanation Algorithm for Local Interpretation of Neural Networks
von: Sanderson, Jacob, et al.
Veröffentlicht: (2026)