BriefGPT.xyz
Ask
alpha
关键词
feature contribution
搜索结果 - 3
在梯度提升树中实现本地可解释性:特征贡献
GBDT 模型是一种基于树集合的强大的加性模型,本文开发了一种特征贡献方法,通过利用 GBDT 架构来计算每个特征的贡献,从而提供了一种对 GBDT 算法进行局部可解释性的模型。该方法在理论证明和多个实验中得到了验证,并且既能反映 GBDT
→
PDF
5 months ago
基于文本知识引导的电力需求预测的数值特征发现方法
提出了一种基于文本知识引导的数字特征发现(TKNFD)方法,通过互动两种模态数据对短期功率需求进行预测,实验结果表明 TKNFD 发现的特征在准确性上优于当前主流特征方案达 16.84% 至 36.36% 的 MAPE,并揭示了功率需求波动
→
PDF
7 months ago
模型无关解释的因果解释效应
本研究旨在解决机器学习模型预测个体实例时特征贡献和整体特征重要性的估计问题,提出了一种基于假设理想实验的因果效应定义,并构建了基于因果效应的透明且有意义的本地和全局解释方法,其数据驱动估计和实验验证表明了该方法的有效性及实用性。
PDF
2 years ago
Prev
Next