Andrew Herren

新论文将SHAP模型解释与函数方差分析分解联系起来

一篇新发表在arXiv上的论文探讨了SHAP（SHapley Additive exPlanations）的统计学基础，这是一种流行的机器学习模型解释方法。该研究将SHAP近似值与函数方差分析分解联系起来，强调了特征分布选择和估计的方差分析项数量如何影响SHAP的准确性。尽管与敏感性分析的联系很有见地，但该论文指出，在机器学习可解释性和传统敏感性分析领域之间，实际约束存在差异。