基于Shapley值与班侈指数的严谨特征重要性评分
人工智能
2025-08-19 v1
摘要
基于博弈论的特征归因方法在可解释人工智能（XAI）领域广泛应用。近期研究提出利用基于逻辑的解释（weak abductive explanation, WAXp）作为特征重要性的特征函数，以实现对机器学习模型的严谨归因。然而，WAXp集合的贡献被忽略了这一潜在问题。事实上，非WAXp集合也可能传递重要信息，因其与形式解释（XPs）及对抗样本（AExs）之间的关系。因此，本文利用Shapley值与班侈指数，构建了两种新型特征重要性评分方法。我们在计算特征贡献时纳入了非WAXp集合，新评分量化了每个特征在排除AExs方面的有效性。此外，本文识别了上述评分的性质，并研究了其计算复杂度。
引用
@article{arxiv.2508.11959,
title = {Rigorous Feature Importance Scores based on Shapley Value and Banzhaf Index},
author = {Xuanxiang Huang and Olivier Létoffé and Joao Marques-Silva},
journal= {arXiv preprint arXiv:2508.11959},
year = {2025}
}