无边际贡献的 Shapley 值近似
机器学习
2024-01-31 v5 计算机科学与博弈论
摘要
Shapley 值可以说是合作博弈中为参与者分配有意义贡献值最流行的方法，近年来在可解释人工智能中被密集使用。其有意义性源于仅有 Shapley 值满足的公理性质，然而这代价是精确计算随智能体数量呈指数增长。因此，大量工作致力于 Shapley 值的高效近似，其中多数围绕智能体边际贡献的概念展开。本文中，我们提出 SVARM 和 Stratified SVARM 两种无参数且领域无关的近似算法，其基于一种脱离边际贡献概念的 Shapley 值表示。我们证明了关于其近似质量的空前理论保证，并给出了包括合成博弈以及常见可解释性用例在内的实证结果，与 SOTA 方法进行比较。
引用
@article{arxiv.2302.00736,
title = {Approximating the Shapley Value without Marginal Contributions},
author = {Patrick Kolpaczki and Viktor Bengs and Maximilian Muschalik and Eyke Hüllermeier},
journal= {arXiv preprint arXiv:2302.00736},
year = {2024}
}