BriefGPT - AI 论文速递
·
使用整合回归逼近基于分数的解释技术
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种使用计算成本较低的回归模型来逼近基于分数解释技术的输出的方法，并提供了对逼近值有效性的保证。该方法在效率和执行时间方面优于其他方法，并能产生紧密的区间。同时，该方法还允许比较不同逼近方法的解释，并选择一种方法。
🎯
关键要点
-
提出了一种使用计算成本较低的回归模型来逼近基于分数解释技术的输出的方法。
-
该方法通过归纳符合预测框架提供了对逼近值的有效性保证。
-
提出了几种非一致性度量方法，以考虑解释逼近的困难程度并保持低计算成本。
-
大规模实证研究表明，所提出的模型在效率（区间大小）方面得到了评估。
-
与快速版本的 SHAP TreeSHAP 相比，所提出的方法显著提高了执行时间。
-
该方法可以产生紧密的区间，同时提供有效性保证。
-
允许比较不同逼近方法的解释，并根据预测区间的信息量选择一种方法。
➡️
