基于积分梯度的得分方法用于离群值的根因解释

识别离群值的根因是因果推断和异常检测中的基本问题。传统方法基于启发式或反事实推理，往往在不确定性和高维依赖关系下难以实现。我们引入了 SIREN，一种新型可扩展方法，通过估计数据似然的得分函数来归因离群值的根因。通过沿着从离群值向正常数据分布的路径累积得分贡献来计算归因。我们的方法满足三个经典 Shapley 价值公理 — — 虚拟性、有效性和线性性 — — 以及从底层因果结构派生的反称性公理。与先前工作不同，SIREN 直接作用于得分函数，实现了在非线性、高维和异方差因果模型中的可计算且具不确定性感知的根因归因。广泛的在合成随机图和真实世界云服务及供应链数据集上的实验表明，SIREN 在归因准确性和计算效率方面均优于最先进的基准方法。