shap | BriefGPT - AI 论文速递

关键词shap

搜索结果 - 27

特征去除是模型解释方法的统一原则
本研究着眼于解释模型，提出一种基于特征删除的解释框架，包括 26 种方法（如 SHAP 和 LIME 等），揭示这些方法间的相似性，为选择和使用工具提供了有力支持，并且为进一步的可解释 AI 研究提供有益方向。
PDF4 years ago
AAAISHAP 解释的可处理性研究
本文研究了 SHAP 解释机制在计算复杂度上的困难度，并在三个重要场景下进行了探究，结果表明 SHAP 解释在常见的机器学习模型中的计算量是很高的。
PDF4 years ago
MM基于 SVM 模型的白盒归纳：通过逻辑编程实现可解释的 AI
本文研究如何使用 SHAP 等解释 AI 工具代替固定的假设搜索空间来进行归纳逻辑程序的学习，通过替换数据依赖的山地爬行搜索法以获得更精确和全面的 SVM 模型，从而生成比 FOIL 算法更好的分类结果和逻辑程序，为机器学习领域的算法研究和
PDF4 years ago
timeXplain -- 时间序列分类器预测解释框架
该研究提出了一种名为 timeXplain 的框架，旨在将解释性人工智能应用于时间序列分类和价值预测中，并在该框架下对几种最先进的时间序列分类器进行了大规模实验比较，发现了似乎不同的分类概念之间的相似性。
PDF4 years ago
KDDSHAP 对 Alert 处理的人类基础评估
在本研究中，我们对一种名为 SHAP 的解释方法进行人本评估，该方法已在可解释人工智能和相关社区中广受欢迎。我们研究了这种局部规范无关解释方法是否对实际的人类领域专家有用，以评估分类器产生的正面预测的正确性。结果表明，SHAP 解释确实影响
PDF5 years ago
利用 SHAP 解释 Autoencoder 检测到的异常值
本研究基于博弈理论提出了一种新的方法（SHAP），扩展了已有的方法，用于解释基于无监督模型的异常检测，提取和可视化有效的异常特征，帮助领域专家理解异常并挑选出有用的异常，以最小化错误率。
PDF5 years ago
NIPS解释模型预测的统一方法
研究为什么一个模型做出某个特定的预测与预测准确性一样重要，然而对于像集成或深度学习模型这样的复杂模型，即使是专家也难以解释其高精度，因此需要各种方法来帮助解释预测，其中一个新方法，SHAP（Shapley Additive Explanat
PDF7 years ago