基于 Shapley 值的多标签分类模型解释
机器学习
2021-04-26 v1
摘要
多标签分类是一种分类任务，当存在两个或更多类别且我们想要预测的数据点可能同时属于 none 或全部类别时使用。在现实世界中，许多应用实际上涉及多标签，包括信息检索、多媒体内容标注、网络挖掘等。一种称为 SHapley Additive exPlanations（SHAP）的基于博弈论的框架已被应用于解释各种监督学习模型而无需知晓确切模型。在此，本工作通过使用 SHAP 方法进一步扩展了对多标签分类任务的解释。实验展示了对知名多标签数据集上不同算法的全面比较，并显示了该解释的有用性。
引用
@article{arxiv.2104.10505,
title = {Interpretation of multi-label classification models using shapley values},
author = {Shikun Chen},
journal= {arXiv preprint arXiv:2104.10505},
year = {2021}
}
备注
11 pages, 7 figures