探索快速 Shapley 值估计的统一视角
原文中文，约300字，阅读约需1分钟。发表于：。Shapley 值是一种广泛接受和可信赖的工具，用于解决深度神经网络等黑盒模型所带来的挑战。本研究分析了现有工作的一致性，并推断出随机估计器可以统一为特征子集重要性采样的线性变换。基于此，我们探讨设计简单的摊销估计器的可能性，并提出了一种简单高效的方法 ——SimSHAP，通过消除冗余技术。在表格和图像数据集上进行的大量实验证实了我们的 SimSHAP 的有效性，能够显著加速准确 Shapley 值的计算。
研究提出了一种简单高效的SimSHAP方法，用于加速准确计算Shapley值，并消除表格和图像数据集上的冗余技术。研究发现，随机估计器可以统一为特征子集重要性采样的线性变换。
