CohEx：一种通用的群体解释框架
原文中文，约400字，阅读约需1分钟。发表于：。这项研究解决了现有可解释人工智能在群体解释方面的不足，提出了一种新的通用框架用于生成群体解释。论文深入探讨了测量群体解释的独特挑战与机遇，并提出了基于监督聚类的方法。研究结果有望增强我们对特定实例群体内模型决策的理解。
近年来，可解释人工智能（XAI）快速发展，关注如何解释复杂模型的数据。针对Shapley Additive Explanations（Shap），提出了一种模型不可知的方法，通过系统扰动分析生成特征重要性。该算法在动态推理下评估机器学习和深度学习的解释质量，并提出特征重要性方法的分类体系，衡量一致性和模型间相似性。
