一种估计 Shapley 值的多线性采样算法
机器学习
2020-10-26 v1 机器学习
摘要
Shapley 值是博弈论中衡量游戏中参与者重要性的极佳分析工具。由于其具有效率等公理性与理想性质，它们已在数据科学与机器学习中的特征重要性分析中变得流行。然而，基于原始公式计算 Shapley 值的时间复杂度为指数级，且随着特征数量增加，这变得不可行。Castro 等人 [1] 开发了一种采样算法来估计 Shapley 值。在本工作中，我们提出一种基于博弈论中应用的多线性扩展技术的新采样方法。旨在为估计 Shapley 值提供一种更高效（采样）的方法。我们的方法适用于任何机器学习模型，特别是多类分类或回归问题。我们将该方法应用于估计多层感知机（MLPs）的 Shapley 值，并通过对两个数据集的实验证明，我们的方法通过降低采样统计量的方差，提供了更准确的 Shapley 值估计。
引用
@article{arxiv.2010.12082,
title = {A Multilinear Sampling Algorithm to Estimate Shapley Values},
author = {Ramin Okhrati and Aldo Lipani},
journal= {arXiv preprint arXiv:2010.12082},
year = {2020}
}
备注
2020 25th International Conference on Pattern Recognition (ICPR)