模型无关的特征重要性度量对于揭示不透明或“黑箱”机器学习模型的任务至关重要。这种模型在高风险决策环境（如医疗保健或银行业）的激增，要求开发灵活且可信的方法来解决这个问题。由于没有地面真实的特征重要性进行比较，各种竞争方法提供了不同的方法和/或理念，通常都声称自己更优越。最近一些最受欢迎的方法是从合作博弈论的工具进行适应，这些工具在奖励或成本分享问题中被使用。在本文档中，我们报告了这类特征重要性方法的最近进展。特别是，我们讨论了一个使用Shapley值的“数据为中心”的群体（cohort）-基础框架，用于模型不可知的局部特征重要性。我们提出了一个主要的重要性度量，并探讨了更适合特定用例或数据环境的该方法的几种适应。我们分析了这些方法的属性和行为，并将它们应用于包括选民注册和累犯数据在内的一系列合成和实际问题设置。然后，我们提出并讨论了局部重要性聚合和特征重要性评估的新方法。
成为VIP会员查看完整内容
Applications of cooperative game theory to interpretable machine learning
相关内容
斯坦福大学（StanfordUniversity）位于加利福尼亚州，临近旧金山，占地35平方公里，是美国面积第二大的大学。它被公认为世界上最杰出的大学之一，相比美国东部的常春藤盟校，特别是哈佛大学、耶鲁大学，斯坦福大学虽然历史较短，但无论是学术水准还是其他方面都能与常春藤名校相抗衡。斯坦福大学企业管理研究所和法学院在美国是数一数二的，美国最高法院的9个大法官，有6个是从斯坦福大学的法学院毕业的。
Arxiv
0+阅读 · 2023年11月1日
Arxiv
0+阅读 · 2023年11月1日
Arxiv
0+阅读 · 2023年10月31日
Arxiv
0+阅读 · 2023年10月31日
Arxiv
179+阅读 · 2023年4月7日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2023年11月1日
Arxiv
0+阅读 · 2023年11月1日
Arxiv
0+阅读 · 2023年10月31日
Arxiv
0+阅读 · 2023年10月31日
Arxiv
179+阅读 · 2023年4月7日
微信扫码咨询专知VIP会员