Les règles d'attribution post-hoc (PHAR) constituent un cadre intégré permettant d'améliorer l'explicabilité des modèles de classification de séries chronologiques. Elles transforment l'importance des caractéristiques numériques, dérivée des techniques d'explication post-hoc par instance existantes (par exemple, LIME, SHAP), en règles structurées et facilement compréhensibles par l'homme. Ces règles améliorent la transparence du modèle en définissant des intervalles interprétables indiquant où et quand se situent les limites de décision critiques. PHAR fonctionne de manière similaire aux méthodes basées sur des règles existantes, telles qu'Anchor, tout en s'adaptant plus efficacement aux longues séquences de séries chronologiques et en offrant une couverture d'instances plus large. Une étape dédiée de fusion de règles, intégrant des ensembles de règles à l'aide de stratégies telles que la sélection de pondérations et le raffinement par Lasso, équilibre les indicateurs de qualité clés tels que la couverture, la confiance et la simplicité. Cette fusion fournit des règles concises et sans ambiguïté pour chaque instance, améliorant ainsi la fidélité et la cohérence des explications. Elle introduit également une technique de visualisation illustrant le compromis spécificité-généralisation des règles dérivées. PHAR résout les explications contradictoires et chevauchantes, courantes dans le phénomène Rashomon, grâce à des informations cohérentes et spécifiques au domaine. Des expériences complètes sur les archives de classification des séries chronologiques UCR/UEA démontrent que PHAR améliore l'interprétabilité, la transparence des décisions et l'applicabilité pratique des tâches de classification des séries chronologiques.
