Jiaan Han

CatNet论文介绍使用SHAP进行LSTM中特征重要性以控制错误发现率

研究人员推出CatNet，一种旨在控制错误发现率（FDR）并识别长短期记忆（LSTM）网络中重要特征的新型算法。该方法利用SHAP值的导数来评估特征重要性，并采用高斯镜像算法进行FDR控制。CatNet还整合了一种新的基于核的独立性度量，以处理特征之间复杂的关联，并在模拟数据和真实世界数据上均表现出稳健的性能，以增强模型的可解释性并减少过拟合。