Shapley 值的奇异估计器
机器学习
2026-02-03 v1 人工智能
机器学习
摘要
Shapley 值是机器学习中用于归因的通用框架,涵盖特征重要性、数据估值和因果推断等方面.然而,其精确计算通常难以实现,因此需要高效的近似方法.虽然最有效且最受欢迎的估计器利用配对抽样启发式方法来减少估计误差,但其理论机制却始终模糊不清.本工作提供了一种优雅且根本的解释:我们证明 Shapley 值仅取决于集合函数的奇异分量,而配对抽样通过正交化回归目标来过滤无关的偶数分量.基于此洞见,我们提出了 OddSHAP,一种新型一致估计器,其仅在奇异子空间上执行多项式回归.通过利用傅里叶基准isolates 此子空间,并借助代理模型识别高影响互动,OddSHAP 克服了高阶近似的组合爆炸问题.通过广泛的基准评估,我们发现 OddSHAP 达到了最先进的估计精度.
引用
@article{arxiv.2602.01399,
title = {An Odd Estimator for Shapley Values},
author = {Fabian Fumagalli and Landon Butler and Justin Singh Kang and Kannan Ramchandran and R. Teal Witter},
journal= {arXiv preprint arXiv:2602.01399},
year = {2026}
}