L2GTX: From Local to Global Time Series Explanations

会议: CVPR 2026
arXiv: 2603.13065
代码: 无
领域: 时间序列
关键词: 时间序列可解释性, 全局解释, 参数化事件原语, 模型无关, 局部到全局聚合

一句话总结

L2GTX 提出一种完全模型无关的局部到全局解释方法，通过从 LOMATCE 局部解释中提取参数化时间事件原语（趋势/极值），跨实例合并冗余聚类并以子模优化选取代表性实例，最终聚合为简洁的类级别全局解释，在6个时序分类数据集上保持稳定的全局忠实度。

研究背景与动机

领域现状：深度学习在时间序列分类中取得了很高的准确率，广泛应用于金融、传感器监控和医疗等领域。然而这些模型本质上是黑盒，给定输入序列后直接输出预测，缺乏对决策依据的可解释性。

现有痛点：现有 XAI 方法面临三个关键局限：(i) 为图像和表格数据设计的模型无关方法（如 LIME/SHAP）难以直接扩展到时间序列，因为时序数据具有强时间依赖性和非独立观测特性；(ii) 时间序列的全局解释合成研究严重不足，大多数方法只提供局部解释（标记某些时间步或子序列对单个预测的重要性）；(iii) 少数已有的全局方法通常绑定特定模型架构（如依赖 CAM 或 LRP），无法实现架构中立的可解释性。

核心矛盾：局部解释只能说明单个实例的预测依据，无法揭示模型在类级别层面的系统性决策行为。而直接从模型内部提取全局特征又受限于特定架构。需要一种既不依赖模型内部结构、又能从局部时间模式合成类级别全局理解的通用方法。

本文目标 (a) 如何在不访问模型内部的情况下获得高质量局部时序解释？(b) 如何跨实例合并相似的时间事件以减少冗余？(c) 如何在有限预算下选择最具代表性的实例？(d) 如何将局部事件聚合为简洁的类级别全局解释？

切入角度：作者观察到 LOMATCE 局部解释已经以参数化事件原语（PEP）的形式提供了语义丰富的局部解释——描述"增趋势"、"减趋势"、"极大值"、"极小值"等时间行为。这些原语比原始时间步重要性更具人类可解读性，且可以跨实例进行结构化比较和合并。

核心 idea：通过层次聚类合并跨实例的参数化事件原语，并以子模优化选择最大化覆盖度的代表性实例，将局部事件聚合为类级别全局时序解释。

方法详解

整体框架

L2GTX 接收一个训练好的黑盒时序分类模型 \(f\) 和数据集 \(\mathcal{X}\)，最终为每个类别产出一份全局解释——以参数化事件原语（PEP）的统计摘要形式呈现"这类样本通常因为哪些趋势和极值被判成这一类"。它的核心思路是把一堆零散的、逐实例的局部解释"对齐、去冗余、再聚合"成一张类级别的全景图，整个过程完全在模型外部完成，不碰任何内部权重或激活。

具体地，方法先用 LOMATCE 对采样到的实例逐个生成局部解释，得到每个实例自己的 PEP 聚类和重要性分数；接着把不同实例里语义相似的 PEP 聚类做层次合并，对齐成共享的全局聚类，并据此构建实例-聚类矩阵来衡量每个全局聚类的整体重要性；然后在预算约束下用子模贪心挑出少量最具代表性的实例，避免把所有样本一股脑聚合进来引入噪声；最后把这些实例的事件属性按全局聚类汇总成均值/标准差统计，写成类级别解释。为保证类平衡，小/中型数据集每类采样 \(n_{\text{inst}}=15\) 个实例，大型数据集采样 \(n_{\text{inst}}=30\) 个。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["黑盒模型 f + 数据集<br/>每类采样 15 / 30 个实例"] --> B["LOMATCE 局部归因<br/>扰动邻域 → 参数化事件原语 PEP<br/>趋势 / 极值 + 岭回归代理重要性"]
    B --> C["层次合并 + 实例-聚类矩阵<br/>跨实例对齐 PEP 聚类<br/>开方加权算全局聚类重要性"]
    C --> D["子模优化实例选择<br/>预算内贪心覆盖最重要聚类"]
    D --> E["事件聚合<br/>选中实例事件按全局聚类汇总均值 / 标准差"]
    E --> F["类级别全局解释<br/>带不确定度的趋势 / 极值画像"]

关键设计

1. LOMATCE 局部归因：把"哪里重要"升级成"什么样的时间行为重要"

时序数据的逐时间步重要性（像 LIME/SHAP 给出的那种）只能告诉你"第 t 步重要"，既不语义也难跨实例比较。L2GTX 用 LOMATCE 给每个实例 \(X_i\) 生成的不是时间步权重，而是参数化事件原语——它在实例周围随机扰动时间段构造出 \(S\) 个邻域样本，从中抽取四类带参数的事件：递增趋势与递减趋势（参数为 start_time、duration、avg_gradient）、局部极大值与局部极小值（参数为 time、value）。这样每个"重要片段"都被描述成一个人类能读懂的趋势或极值，而不只是坐标。

为了在邻域内量化这些事件的贡献，方法对每种 PEP 类型独立做 K-means 聚类（\(K\) 由轮廓系数自动选），把邻域样本编码成事件矩阵 \(\mathbf{Z}_i \in \mathbb{R}^{S \times K}\)，再训练一个加权岭回归代理模型拟合黑盒预测，得到每个聚类的重要性系数 \(\hat{\beta}_i \in \mathbb{R}^K\)，最后只保留 top-\(n\) 聚类。这一步是后面全局聚合的原料：它把局部解释统一成了"带参数、可比较、可合并"的事件结构，这正是让局部到全局成为可能的前提。

2. 层次合并与实例-聚类矩阵：把各自为政的局部聚类对齐成共享坐标系

每个实例的 PEP 聚类都是各算各的，A 实例的"前段增趋势聚类"和 B 实例里类似的趋势并不在同一个编号下，直接拼起来无法跨实例统计。L2GTX 对同一类型 PEP 的所有聚类质心做凝聚层次聚类，按用户设定的合并百分位 \(p\) 算出切割距离，把语义相近的局部聚类并成全局聚类 \(\mathcal{G}_e\)——\(p\) 越大，切得越粗，全局聚类越少、解释越紧凑，这给了用户一个单一旋钮去调节解释的粒度。

对齐之后就能搭出实例-聚类矩阵 \(\mathbf{M} \in \mathbb{R}^{N \times |\mathcal{G}|}\)，其中 \(M_{i,j} = \sum_{C_{i,k} \in G_j} I(C_{i,k})\) 汇总了实例 \(i\) 落在全局聚类 \(j\) 上的局部重要性。在此基础上，每个全局聚类的整体重要性沿用 SP-LIME 的开方加权策略

\[I_j = \sqrt{\sum_{i=1}^N |M_{i,j}|}\]

这样既奖励在多个实例中反复出现的事件，又用开方抑制少数高分实例的主导，得到一个稳健的"哪些时间行为对这个类最关键"的排序。

3. 子模优化实例选择：用少量样本覆盖最重要的事件，而非全量平均

把所有实例的事件直接平均会同时混入冗余和噪声，少数边缘样本反而会污染全局摘要。L2GTX 把"选代表实例"建模成一个加权覆盖问题：在预算 \(B\) 内贪心地每次挑出能让"尚未被覆盖的全局聚类"加权覆盖增益最大的实例，选中后更新覆盖向量再继续。由于覆盖函数是子模的，这种贪心选择能以小代价逼近最优覆盖，最终用很少的实例就把按 \(I_j\) 排序的最重要全局聚类基本兜住，既保证代表性又控制了解释的体量。

4. 事件聚合与全局解释生成：从对齐后的事件统计出类级别画像

选定代表实例后，方法丢掉局部聚类这一层中间结构，把所选实例的全部 PEP 事件直接归入它们各自对应的全局聚类，再对每个事件属性算均值和标准差。趋势类事件用 (start_time, duration) 的统计刻画"这个类的关键趋势通常发生在序列哪一段、持续多久"，极值类事件用 (time, value) 的统计刻画"关键极值出现在哪个时刻、幅度多大"。汇总出来的就是一份简洁、可读、带不确定度的类级别解释，例如"该类样本普遍在中段出现一次高幅极大值"。

损失函数 / 训练策略

L2GTX 是后处理解释方法，不涉及端到端训练，唯一被优化的子目标是 Step 1 里那个加权岭回归代理。衡量解释质量的核心指标是全局忠实度（GF），定义为所选实例集上局部代理保真度的平均：

\[\text{GF}(\mathcal{S}) = \frac{1}{|\mathcal{S}|} \sum_{x_i \in \mathcal{S}} F(x_i)\]

其中 \(F(x_i)\) 是实例 \(x_i\) 的局部岭回归代理的 \(R^2\) 分数。GF 越高，说明被选中代表全局解释的那批实例本身的局部解释越可信。所有实验用 3 个随机种子重复，报告宏平均 GF 和 95% 置信区间。

实验关键数据

主实验

在6个 UCR 时序数据集上，使用 FCN 和 LSTM-FCN 两种架构：

数据集	模型	GF (p=25)	GF (p=50)	GF (p=75)	GF (p=95)
ECG200	FCN	0.784	0.788	0.780	0.792
GunPoint	FCN	0.593	0.599	0.601	0.597
Coffee	FCN	0.683	0.678	0.678	0.678
FordA	FCN	0.674	0.672	0.673	0.672
FordB	FCN	0.675	0.679	0.673	0.673
CBF	FCN	0.625	0.626	0.633	0.625
ECG200	LSTM-FCN	0.828	0.832	0.829	0.831
FordB	LSTM-FCN	0.661	0.656	0.651	0.655
CBF	LSTM-FCN	0.519	0.508	0.519	0.502

消融实验

配置	关键指标	说明
合并百分位 p=25到95	GF 稳定，CI 重叠	强压缩不牺牲忠实度
p 增大	全局聚类数单调减少	更紧凑的解释空间
FCN vs LSTM-FCN	两者在相同区域高重要性	方法捕获架构无关的决策线索
ECG200 案例分析	Normal vs Infarction 与医学一致	梗死信号以少量显著偏转主导
Coffee 案例分析	Robusta 高幅极大值 vs Arabica 低幅	与咖啡光谱学文献一致

关键发现

• 聚类合并不损失忠实度：p 从25增到95时 GF 保持稳定且置信区间重叠
• 跨架构一致性：FCN 和 LSTM-FCN 产生结构一致的解释，共享决策时间线索
• 案例与领域知识契合：ECG200 梗死类以显著偏转为主、Coffee 中 Robusta 以高强度极大值为主
• CBF 上 LSTM-FCN 的 GF 偏低（约0.5），可能反映局部线性代理的近似局限

亮点与洞察

• 首个完全模型无关的时序局部到全局解释方法。不依赖模型内部结构，适用于任何黑盒时序分类器。将"模型无关"贯穿到全局层面
• 参数化事件原语提供语义解释。用趋势和极值描述时序模式，比"第t步重要"更有意义。天然支持跨实例对齐和领域语义映射
• 贪心子模优化兼顾覆盖度与预算。在少量实例中最大化覆盖最重要全局聚类
• 合并百分位提供可调粒度。用户可通过单一参数 p 控制解释紧凑度，且忠实度稳定

局限与展望

• 计算开销：LOMATCE 事件聚类是计算瓶颈，长时间序列时尤其明显
• 仅支持单变量时序：多变量场景需处理跨通道交互
• 缺乏人类中心评估：没有领域专家主观评估
• 部分数据集 GF 偏低：CBF 约0.5、GunPoint 约0.6，受限于局部线性代理
• 缺乏与其他全局解释方法的定量对比

相关工作与启发

• vs SP-LIME: 选择代表性实例但不聚合。L2GTX 增加跨实例合并和全局统计聚合
• vs GLocalX: 为表格数据做局部到全局聚合。L2GTX 适配到时序参数化事件结构
• vs LOMATCE: L2GTX 的局部解释基础。贡献在于系统化的局部到全局路径
• vs CAM/LRP 系列: 依赖模型内部表示，架构特异。L2GTX 更通用但只能间接推断

评分

• 新颖性: ⭐⭐⭐⭐ 局部到全局聚合在时序 XAI 中是新尝试，但单个组件缺乏方法学突破
• 实验充分度: ⭐⭐⭐⭐ 6数据集+2模型+多百分位，但缺乏与其他全局方法定量对比
• 写作质量: ⭐⭐⭐⭐⭐ 结构清晰，公式完备，案例分析有说服力
• 价值: ⭐⭐⭐⭐ 填补时序全局可解释性空白，但应用场景论述不够深入

相关论文

• [CVPR 2026] STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting
• [CVPR 2026] Towards Uncertainty-aware Unsupervised Domain Adaptation for Videos and Time-Series with Causal Optimal Transport
• [CVPR 2026] Real-Time Long Horizon Air Quality Forecasting via Group-Relative Policy Optimization
• [CVPR 2026] SATTC: Structure-Aware Label-Free Test-Time Calibration for Cross-Subject EEG-to-Image Retrieval
• [CVPR 2026] PFGNet: A Fully Convolutional Frequency-Guided Peripheral Gating Network for Efficient Spatiotemporal Predictive Learning