English(EN) Explaining a probabilistic prediction on the simplex with Shapley compositions

Shapley组合为多类别AI预测解释提供新方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-04 04:00

研究人员引入了一种名为Shapley组合的新方法，用于解释多类别机器学习模型的概率预测。该方法将传统上用于标量预测的Shapley值概念扩展到处理多类别概率分布的复杂组合性质。通过利用组合数据分析中的Aitchison几何，Shapley组合提供了一种独特且公理化的方法来量化单纯形上的特征贡献，从而为多类别预测提供更准确的解释。 AI

影响为解释多类别AI模型输出提供了一种更准确的方法，有可能提高信任度和调试效率。

排序理由该集群包含一篇详细介绍机器学习模型预测解释新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Paul-Gauthier No\'e, Miquel Perell\'o-Nieto, Jean-Fran\c{c}ois Bonastre, Peter Flach · 2026-06-04 04:00

Explaining a probabilistic prediction on the simplex with Shapley compositions

arXiv:2408.01382v3 Announce Type: replace Abstract: Originating in game theory, Shapley values are widely used for explaining a machine learning model's prediction by quantifying the contribution of each feature's value to the prediction. This requires a scalar prediction as in b…

报道来源 [1]

Explaining a probabilistic prediction on the simplex with Shapley compositions

相关实体

相关话题