Chenghui Zheng

MinShap框架为机器学习中的特征选择提供新方法

研究人员推出MinShap，一个旨在识别机器学习模型中重要且不冗余特征的新框架。与平均特征贡献的传统Shapley值方法不同，MinShap使用最小值来聚合特征贡献。这种方法测试特征在各种条件上下文中的相关性，为特征选择和可解释性提供了一个有原则的标准。该框架包含具有统计保证的可扩展算法，旨在提供比现有模型无关技术更准确、更稳定的特征选择。