精确计算do-Shapley值
机器学习
2026-02-10 v1 人工智能
摘要
结构性因果模型（Structural Causal Models, SCM）是描述自然科学中复杂动态的强大框架。一种优雅的解释SCM的方法是do-Shapley值，这是一种基于博弈论的方法，用于量化d个变量在大量干预下的平均效应。类似于Shapley值，计算do-Shapley值通常需要评估指数级的术语。我们的工作基础是将do-Shapley值重新表述为底层SCM不可约集合的方式。借助此洞察，我们可在不可约集合数量为r的时间内精确计算do-Shapley值，而r本身可根据SCM的图结构范围从d到2^d。由于r的先验未知，我们补充了一个估算器，类似于通用的Shapley值估算器，可在任意查询预算下运行。当查询预算接近r时，我们的估算器可通过数个数量级显著提高准确性，并且当预算达到r时，可以机器精度返回Shapley值。除了计算速度，我们还减少了识别负担：我们证明，非参数可识别性的do-Shapley值仅需要识别d个单元素联盟的干预效应，而无需识别所有联盟类。
引用
@article{arxiv.2602.07203,
title = {Exactly Computing do-Shapley Values},
author = {R. Teal Witter and Álvaro Parafita and Tomas Garriga and Maximilian Muschalik and Fabian Fumagalli and Axel Brando and Lucas Rosenblatt},
journal= {arXiv preprint arXiv:2602.07203},
year = {2026}
}