비선형 학습 모델을 위한 새로운 특성 중요도 측정법

본 논문은 복잡한 비선형 학습 모델을 해석하기 위한 새로운 특성 중요도 측정법인 Measure of Feature Importance(MFI)를 제안한다. 서론에서는 최신 커널 머신·딥 뉴럴 네트워크가 높은 예측 정확도를 제공하지만, 과학적 응용에서는 모델의 내부 작동 원리를 이해하는 것이 필수적임을 강조한다. 기존 방법으로는 DNA 서열 분석에 특화된 POIM과 일반적인 특성 중요도 순위 측정인 FIRM이 존재하지만, 각각 적용 범위가 제한적이거나 계산적으로 비현실적이라는 단점을 가지고 있다. MFI는 이러한 한계를 극복하기 위해 두 가지 핵심 아이디어를 도입한다. 첫째, 임의의 학습기 s: X→Y와 실수값 특성 f: X→ℝ에 대해 조건부 기대값 Sφ,f(t)=E