行動神経科学における説明可能な機械学習のためのプラットフォームとしての単純な行動分析（SIMBA）

複雑な行動の研究は、定量化可能な行動定義がなく、行動注釈の主観的な性質がないため、手動注釈を使用する場合にしばしば困難です。監視された機械学習アプローチの統合は、アクセス可能で説明可能なモデル解釈を含めることにより、これらの問題のいくつかを軽減します。アクセスの障壁を減らし、アクセス可能なモデルの説明可能性に重点を置いて、行動神経科学者向けのオープンソースのシンプルな行動分析（SIMBA）プラットフォームを開発しました。Simbaは、説明可能で透明な行動分類器を作成するのに役立つShapley Additive Additive説明（SHAP）スコアを含むいくつかの機械学習解釈可能性ツールを導入します。ここでは、説明可能性メトリックの追加により、研究グループや種全体の積極的な社会的行動の定量化可能な比較がどのように可能になり、共有可能な試薬として行動を再概念化し、オープンソースのフレームワークを提供する方法を示します。オープンソース、グラフィカルユーザーインターフェイス（GUI）駆動型の十分に文書化されたパッケージを提供して、研究所間の行動分類ツールの改善と共有に向けた動きを促進します。

The study of complex behaviors is often challenging when using manual annotation due to the absence of quantifiable behavioral definitions and the subjective nature of behavioral annotation. Integration of supervised machine learning approaches mitigates some of these issues through the inclusion of accessible and explainable model interpretation. To decrease barriers to access, and with an emphasis on accessible model explainability, we developed the open-source Simple Behavioral Analysis (SimBA) platform for behavioral neuroscientists. SimBA introduces several machine learning interpretability tools, including SHapley Additive exPlanation (SHAP) scores, that aid in creating explainable and transparent behavioral classifiers. Here we show how the addition of explainability metrics allows for quantifiable comparisons of aggressive social behavior across research groups and species, reconceptualizing behavior as a sharable reagent and providing an open-source framework. We provide an open-source, graphical user interface (GUI)-driven, well-documented package to facilitate the movement toward improved automation and sharing of behavioral classification tools across laboratories.