BriefGPT - AI 论文速递
·
基于能量模型的准确 Shapley 值估计用于解释性深度学习预测建模
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
EmSHAP是一种基于能量模型的Shapley值估计方法，通过引入门控循环单元消除了输入特征排序的影响，并提出了动态屏蔽方案来提高泛化能力。实验证明EmSHAP具有更高的估计精度。
🎯
关键要点
- EmSHAP是一种基于能量模型的Shapley值估计方法。
- EmSHAP通过引入门控循环单元（GRU）消除了输入特征排序的影响。
- 提出了动态屏蔽方案以提高模型的泛化能力。
- 定理1、2和3证明EmSHAP在误差界限上优于KernelSHAP和VAEAC等现有方法。
- EmSHAP实现了更高的估计精度。
- 在医学和工业领域的应用案例中，EmSHAP展示了提高的估计精度而不牺牲效率。
➡️
