将KNN模型的数据Shapley交互计算从O(2^n)优化至O(t n^2)
机器学习
2023-04-05 v1 人工智能
计算机科学与博弈论
摘要
随着数据可用性与使用量的快速增长，量化每个训练数据点的附加值已成为人工智能领域的关键环节。Shapley值被公认为一种有效的数据估值方法，可实现高效的训练集概要、获取与离群点移除。本文提出“STI-KNN”这一创新算法，以O(t n^2)时间计算KNN模型的精确成对交互Shapley值，相较基线方法O(2^n)的时间复杂度有显著改进。借助STI-KNN，我们可高效且准确地评估单个数据点的价值，从而改善训练结果并最终提升人工智能应用的有效性。
引用
@article{arxiv.2304.01224,
title = {Optimizing Data Shapley Interaction Calculation from O(2^n) to O(t n^2) for KNN models},
author = {Mohamed Karim Belaid and Dorra El Mekki and Maximilian Rabus and Eyke Hüllermeier},
journal= {arXiv preprint arXiv:2304.01224},
year = {2023}
}