Op 10 september verdedigt Sreejita Ghosh haar dissertatie over machine learning in de medische diagnostiek. In haar proefschrift presenteert zij een set intrinsiek interpretabele machine learning modellen die zijn toegepast op medische datasets, een synthetische dataset, en een publiek beschikbare dataset uit de UCI repository. Hierbij gaat zij de uitdaging aan van heterogene metingen, onevenwichtige klassen en systematische missingness.
De interpreteerbaarheid van de gepresenteerde set van classifiers is gesteld in termen van:
- het vertrouwen van de classificator in het toekennen van een klasse-etiket aan een voorgesteld steekproef (in plaats van alleen maar crisp labels);
- duidelijke visualisatie van de beslissingsgrenzen van een gepresenteerd probleem zoals aangeleerd door de classificator;
- impliciete berekening van kenmerkrelevantie;
- extractie van typische profiel(en) van elk van de aangeleerde klassen (prototypes) door de classifier.
Deze nieuwe geïntroduceerde set classifiers zijn nearest prototype based classifiers (NPCs) die behoren tot de familie van de Learning Vector Quantization (LVQ). Ghosh presenteert eerst de op angle-dissimilarity gebaseerde varianten van Generalized Relevance LVQ (GRLVQ), Generalized Matrix Relevance LVQ (GMLVQ), Local metric tensor LVQ (LGMLVQ) en Localized Limited Rank Metric (LLiRAM) LVQ. Vervolgens worden probabilistische varianten van de GMLVQ en hoek GMLVQ gepresenteerd.
Deze nieuw ontwikkelde modellen voor machine learning leveren niet alleen prestaties die vergelijkbaar zijn met die van Random Forests, maar helpen ook bij het extraheren van medische kennis uit de dataset waarop ze getraind zijn. In deze thesis introduceerden we een geodetische middelingstechniek die de kracht van ensembling combineert met behoud van de interpreteerbaarheid van de LVQ modellen.
Over de promovenda
Sreejita Ghosh verrichtte haar promotieonderzoek bij de afdeling Intelligente Systemen van het Bernoulli Instituut met financiering van de RUG. Zij werkt nu als postdoc aan de Universiteit Utrecht.
Over de promotie
Promotie Sreejita Ghosh: vrijdag 10 september 2021; 14:30 uur
Titel proefschrift: Intrinsically interpretable machine learning in computer aided diagnosis
Promotores: Prof.dr. Michael Biehl en Prof.dr. Nicolai Petkov
Co-promotor: Kerstin Bunte, PhD
Locatie: Academiegebouw RUG, Broerstraat 5, 9712 CP Groningen
