GALACTIC: Global and Local Agnostic Counterfactuals for Time-series Clustering

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een enorme berg met duizenden verschillende geluidsopnames hebt: van het geluid van een hartslag tot de trillingen van een machine in een fabriek. Je wilt deze geluiden groeperen in "mappen" (clusters) op basis van hoe ze klinken. Dat is tijdsreeksclustering.

Het probleem? De computer doet dit heel goed, maar hij kan niet uitleggen waarom hij een bepaald geluid in map A en niet in map B heeft gezet. Het is een "zwarte doos".

Deze paper introduceert GALACTIC, een slimme nieuwe methode om deze zwarte doos open te maken. Hier is hoe het werkt, vertaald naar alledaags taal:

1. Het Probleem: De Zwarte Doos

Stel je voor dat je een muziekapp hebt die liedjes in genres indelt (Rock, Jazz, Pop). Je hoort een nummer dat de app als "Rock" labelt. Je vraagt: "Waarom is dit Rock?"
De app zegt: "Omdat het zo klinkt."
Je vraagt: "En wat moet ik veranderen om het naar 'Jazz' te krijgen?"
De app zegt: "Geen idee."

Bestaande methoden proberen dit op te lossen door te zeggen: "Het is Rock omdat er veel gitaren zijn." Maar dat is vaak te vaag. Ze zeggen niet: "Verander de eerste 3 seconden van het geluid, en dan klinkt het ineens als Jazz."

2. De Oplossing: GALACTIC (De Tijdreis-Machine)

GALACTIC is een tool die twee dingen doet: het kijkt naar één specifiek liedje (lokaal) en naar de hele groep liedjes (globaal).

A. Lokaal: De "Wat als?"-reis voor één liedje

Stel je voor dat je een liedje hebt dat nu als "Rock" wordt gezien. GALACTIC zoekt naar het kleinste mogelijke veranderingetje dat je kunt maken om het in "Jazz" te veranderen.

De Creatieve Analogie: Stel je voor dat je een klei-figuurtje hebt (het geluid). Je wilt het veranderen in een ander figuurtje. De oude methoden zouden de hele klei opnieuw kneden, waardoor het originele figuur onherkenbaar wordt.
De GALACTIC-methode: GALACTIC kijkt precies naar welke delen van de klei belangrijk zijn. Het zegt: "Verander alleen de neus en de oren, maar laat de rest van het gezicht intact."
Het resultaat: Je krijgt een heel specifiek advies: "Als je de trillingen in de eerste seconde iets zachter maakt, klinkt dit plotseling als Jazz." Dit is een tegenfeitelijke verklaring (counterfactual): een mini-verandering die het resultaat volledig verandert.

B. Globaal: De Samenvatting voor de hele groep

Nu hebben we duizenden liedjes. Als we voor elk liedje apart uitleggen wat er moet veranderen, krijgen we een onleesbare stapel papier. We willen een samenvatting.

De Creatieve Analogie: Stel je voor dat je een klas met 30 leerlingen hebt die allemaal een fout in hun huiswerk maken.
- De oude methode zou zeggen: "Leerling A moet dit doen, Leerling B moet dat doen..." (30 verschillende adviezen).
- GALACTIC kijkt naar het patroon en zegt: "Eigenlijk maken 25 van de 30 leerlingen dezelfde fout: ze vergeten de hoofdstuktitel te schrijven. Als je dat corrigeert, is het probleem voor iedereen opgelost."
De MDL-methode: GALACTIC gebruikt een slimme wiskundige regel (Minimum Description Length). Denk hierbij aan het inpakken van een koffer. Je wilt niet alles meenemen, maar alleen de dingen die het meeste nut hebben. GALACTIC zoekt naar de minimale set aan regels die het grootste aantal liedjes kan helpen om van de ene map naar de andere te springen.

3. Waarom is dit zo slim?

De auteurs van de paper hebben bewezen dat hun methode wiskundig gezien de beste manier is om deze samenvatting te maken zonder te veel tijd te verspillen.

Spaarzaamheid: Het verandert alleen de essentiële delen van het geluid (zoals het vervangen van één woord in een zin, in plaats van de hele zin herschrijven).
Snelheid: Het werkt snel, zelfs met enorme hoeveelheden data.
Betrouwbaarheid: Het houdt rekening met de structuur van de data. Het maakt geen onzinnige veranderingen (zoals het toevoegen van ruis die er in de echte wereld niet zou bestaan).

Samenvattend

GALACTIC is als een slimme vertaler voor computers die tijdreeksen analyseren.

Het vertelt je precies wat je moet veranderen aan één specifiek voorbeeld om het resultaat te wijzigen (Lokaal).
Het geeft je één korte, krachtige samenvatting van wat er aan de hand is voor een hele groep voorbeelden, zodat je niet verdwaalt in details (Globaal).

Hierdoor kunnen mensen eindelijk begrijpen waarom een computer bepaalde patronen ziet en hoe ze die patronen kunnen beïnvloeden. Het maakt de "zwarte doos" van data-analyse eindelijk transparant en bruikbaar voor iedereen.

Each language version is independently generated for its own context, not a direct translation.

Titel: GALACTIC: Global and Local Agnostic Counterfactuals for Time-series Clustering

Auteurs: Christos Fragkathoulas, Eleni Psaroudaki, Themis Palpanas, Evaggelia Pitoura.
Publicatie: arXiv:2603.05318v1 (2026).

1. Probleemstelling

Tijdreeksclustering is een fundamentele techniek voor patroonontdekking in domeinen zoals financiën, neurologie en robotica. Een groot nadeel van bestaande clustering-methoden is hun "black-box"-karakter: gebruikers krijgen een label, maar niet het inzicht waarom een tijdsreeks tot een bepaalde cluster behoort of hoe deze moet veranderen om naar een andere cluster te migreren.

Bestaande uitlegbaarheidsmethoden (XAI) voor tijdreeksen hebben twee belangrijke tekortkomingen:

Focus op supervisie: De meeste methoden voor Counterfactual Explanations (CE's) – die minimale veranderingen zoeken om een voorspelling te wijzigen – zijn ontworpen voor gecontroleerde (supervised) classificatie, niet voor ongecontroleerde (unsupervised) clustering.
Gebrek aan coherentie en globaliteit: Bestaande CE-methoden voor tijdreeksen negeren vaak de temporele samenhang, wat leidt tot "ruis" of niet-contigu veranderingen. Bovendien missen ze een mechanisme om duizenden lokale uitleggen (per instantie) te distilleren tot een beknopte, globale samenvatting die de overgangen tussen clusters als geheel beschrijft.

Het doel van dit paper is het oplossen van deze gaten door een uniek raamwerk te bieden dat zowel lokale als globale uitlegbaarheid biedt voor ongecontroleerde tijdreeksclustering, onafhankelijk van de onderliggende clustering-algoritme.

2. Methodologie: Het GALACTIC Raamwerk

GALACTIC bestaat uit twee hoofdcomponenten: een lokale aanpak voor individuele instanties en een globale aanpak voor cluster-overgangen.

A. Probabilistische Surrogaat (Model-Agnostic)

Omdat veel clustering-algoritmen (zoals spectrale clustering) geen expliciete voorspellingsfunctie hebben voor nieuwe data, bouwt GALACTIC een probabilistische surrogaatclassificator $g$ . Deze leert de verdeling van de bestaande clusters en schat de kans dat een tijdsreeks tot een specifieke cluster $C_k$ behoort. Dit maakt het mogelijk om differentieerbare optimalisatie uit te voeren zonder het originele clustering-model te hoeven openen.

B. Lokale Counterfactuals (Instance Level)

Voor een gegeven tijdsreeks $x$ in cluster $C_k$ , zoekt GALACTIC een minimale perturbatie $\delta$ zodat de nieuwe reeks $x' = x + \delta$ naar een andere cluster $C_{k'}$ verschuift.

Structuurbehoud: In plaats van willekeurige veranderingen, gebruikt GALACTIC een segmentatie- en belang-methode. De tijdreeks wordt opgesplitst in segmenten.
Belang-gestuurde optimalisatie: Via permutatie-analyse wordt bepaald welke tijdssegmenten cruciaal zijn voor de cluster-toewijzing. Een "belang-masker" ( $w$ ) wordt gegenereerd dat de optimalisatie beperkt tot deze discriminatieve gebieden.
Optimalisatie: Een gradient-based zoektocht (met de Adam-optimizer) minimaliseert de kosten (afstand tot origineel) onder de voorwaarde dat de clusterflip plaatsvindt, terwijl het masker zorgt dat veranderingen alleen in relevante tijdsintervallen plaatsvinden. Dit garandeert dat de uitleg spars (weinig veranderde punten) en structuurbehoudend is.

C. Globale Counterfactuals (Cluster Level)

In plaats van duizenden individuele uitleggen te tonen, wil GALACTIC een compacte set van perturbaties vinden die de overgangen voor de hele clusterpopulatie verklaart.

Kandidaatgeneratie: Er wordt een pool van mogelijke perturbaties gegenereerd door lokale CE's te berekenen voor een representatieve subset van de cluster (gebruikmakend van prototypes en "criticisms" via MMD-Critic).
MDL-Selectie (Minimum Description Length): Het selecteren van de beste subset van perturbaties wordt geformuleerd als een MDL-probleem. Het doel is om de totale beschrijvingslengte te minimaliseren:
$L(D, M) = L(M) + L(D|M)$
Waarbij $L(M)$ de complexiteit is van de geselecteerde perturbaties (aantal, sparsiteit, grootte) en $L(D|M)$ de "niet-verklaarde" data (instanties die niet van cluster veranderen met deze perturbaties).
Submodulariteit: De auteurs bewijzen dat de MDL-doelfunctie supermodulair is, wat betekent dat de reductie in beschrijvingslengte monotoon submodulair is. Dit stelt hen in staat om een gierige selectie-algoritme te gebruiken met een bewezen benaderingsgarantie van $(1 - 1/e)$ . Dit zorgt voor een efficiënte, schaalbare oplossing zonder handmatige afweging van parameters.

3. Belangrijkste Bijdragen

Eerste Unificatie: GALACTIC is het eerste raamwerk dat lokale en globale counterfactual uitlegbaarheid combineert voor ongeachte (unsupervised) tijdreeksclustering.
Structuurbehoudende Lokale CE's: Door gebruik te maken van subgroep-specifieke tijdsbelang (via segmentatie en permutatie), worden perturbaties beperkt tot de meest discriminatieve tijdsintervallen, wat leidt tot veel interpreteerbare en spaarzame uitleggen.
MDL-gebaseerde Globale Samenvatting: Het introduceren van een parameterloze, theoretisch onderbouwde methode (MDL) om een compacte set van globale perturbaties te selecteren, wat het traditionele meerdoel-afwegingsprobleem oplost.
Theoretische Garantie: Het bewijs van de submodulariteit van de MDL-doelfunctie, wat efficiënte gierige algoritmen met wiskundige garantie mogelijk maakt.
Uitgebreide Evaluatie: Een grondige evaluatie op 30 datasets uit het UCR Time-Series Archive, die aantoont dat GALACTIC superieur is aan bestaande baselines.

4. Resultaten

De experimenten zijn uitgevoerd op 30 datasets uit de UCR Archive (o.a. ECG, beweging, sensoren). GALACTIC werd vergeleken met state-of-the-art methoden zoals TSEvo (evolutionair), Glacier (gradient-based) en k-NN.

Lokale Prestaties:
- Effectiviteit: GALACTIC bereikt een hogere succesrate (cluster flip) dan gradient-based methoden.
- Sparsiteit: GALACTIC produceert aanzienlijk minder veranderde tijdstippen en segmenten dan concurrenten. Waar andere methoden vaak grote delen van de reeks aanpassen, focust GALACTIC zich op de cruciale momenten.
- Efficiëntie: Het is orders van grootte sneller dan evolutionaire methoden (zoals TSEvo) en consistent sneller dan andere gradient-based methoden.
Globale Prestaties:
- Samenvatting: De MDL-gestuurde selectie levert beknoptere samenvattingen op dan methoden die willekeurige of k-means gebaseerde aggregatie gebruiken.
- Kosten: De gemiddelde "flipping cost" (de hoeveelheid verandering die nodig is) is lager, wat betekent dat de voorgestelde globale veranderingen realistischer en minder ingrijpend zijn.
- Schaalbaarheid: De hiërarchische en gierige varianten van GALACTIC-G maken het mogelijk om ook op grote datasets en hoogdimensionale tijdreeksen te werken zonder in te leveren op de kwaliteit van de uitleg.

5. Betekenis en Conclusie

GALACTIC is een doorbraak in het veld van uitlegbaarheid voor tijdreeksclustering. Het verlegt de focus van het simpelweg "labelen" van data naar het bieden van actieerbare inzichten.

Voor praktici betekent dit dat ze niet alleen weten dat een signaal tot een bepaalde groep behoort, maar ook welke specifieke tijdsintervallen bepalend zijn en hoe het signaal moet worden aangepast om naar een ander gedrag (cluster) over te gaan.
De methode is model-agnostisch, wat betekent dat het werkt met elke clustering-techniek (DTW, k-means, spectrale clustering, etc.).
De theoretische onderbouwing via MDL en submodulariteit biedt een robuust fundament voor het selecteren van de meest informatieve uitleggen zonder handmatige tuning.

Kortom, GALACTIC maakt complexe tijdreeksclusters begrijpelijk, transparant en bruikbaar voor besluitvorming door het combineren van lokale precisie met globale coherentie.