arXiv上发表的两篇新研究论文提出了一种估计Shapley值的新方法。Shapley值是机器学习中用于特征归因的关键技术。第一篇论文介绍了FUSHAP,该方法旨在通过利用辅助站点来减少方差而不进行插补,以处理具有缺失数据的多站点研究。第二篇论文提出了一种条件Shapley值的半参数推断方法,提供了不确定性量化并解决了特征依赖性问题。与现有方法相比,这两种方法在合成和真实世界数据集中的准确性和偏差减少方面都得到了证明。 AI
影响 Shapley值估计方面的这些进展可能导致更可靠、更具可解释性的机器学习模型,尤其是在复杂、多站点或特征依赖性场景中。
排序理由 arXiv上发表的两篇介绍新方法的学术论文。
- Bonferroni
- K-fold cross-fitting
- Sage
- Shapley Values
- UCI Concrete
- U-statistic
- arXiv
- FUSHAP
- Shapley value
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →