联合 Shapley 值：一种联合特征重要性度量

Shapley 值是最广泛使用的特征重要性度量之一，部分原因是它衡量了特征对模型预测的平均效应。我们引入了联合 Shapley 值，其直接扩展了 Shapley 的公理与直觉：联合 Shapley 值衡量一组特征对模型预测的平均贡献。我们证明了对于任意解释阶数，联合 Shapley 值的唯一性。博弈结果表明，联合 Shapley 值呈现了与现有交互指数不同的见解，后者评估的是特征在特征集内的效应。联合 Shapley 值在机器学习归因问题中提供了直观的结果。对于二值特征，我们提出了一种存在性调整的全局值，其比常用方法更符合局部直觉。