BONES：用于神经估计 Shapley 值的基准

Shapley 值是可解释人工智能中确立的概念。它们用于量化黑箱预测模型中特征对模型结果贡献。由于在真实数据集上计算确切 Shapley 值已知是计算不可行的，神经估计器作为获取近似 Shapley 值估计的替代方法而涌现。然而，当前神经估计器的实验难以复制，因为算法实现、解释器评估器和结果可视化既不标准化，也不及时可用。为填补这一差距，我们提出 BONES，一个专注于神经估计 Shapley 值的新基准。它为研究人员提供了一套最先进的神经和传统估计器、常用基准数据集、用于训练黑箱模型的专用模块，以及轻松计算最流行评估指标和可视化结果的特定函数。目的是简化 XAI 模型的使用、评估和比较。本文展示了 BONES 在针对表格数据和图像数据进行 XAI 模型基准测试时的 BONES 结果和可视化。该开源库地址为：https://github.com/DavideNapolitano/BONES。