研究人员开发了一种使用不精确狄利克雷模型（IDM）的新方法，用于分析决策树和随机森林中Shapley值的鲁棒性。该方法在将未标记实例引入树叶时，量化和检查区间值Shapley值。该方法允许基于悲观和平均原则计算这些区间值Shapley值，并且可以扩展到Banzhaf值。实验证明了这些区间值Shapley值的行为及其在消除无信息特征偏差方面的效用。 AI
影响 增强了对常见机器学习模型中特征归因鲁棒性的理解。
排序理由 该集群包含一篇详细介绍分析模型可解释性新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Banzhaf values for cooperative games with fuzzy characteristic function
- decision tree
- Hugging Face
- imprecise Dirichlet model (IDM)
- interval-valued Shapley values
- random forest
- Shapley values
- tabular data
- Tree-based models for poverty estimation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
