SHAPNN：基于 Shapley 值正则化的表格神经网络
机器学习
2023-09-19 v1 人工智能
摘要
我们提出 SHAPNN，一种用于监督学习的新型深度表格数据建模架构。我们的方法利用 Shapley 值——一种成熟的解释黑盒模型的技术。我们的神经网络采用标准反向传播优化方法训练，并使用实时估计的 Shapley 值进行正则化。我们的方法具有若干优势，包括能够以零计算开销为数据样本和数据集提供有效解释。此外，带解释的预测起到正则化作用，从而提升模型性能。而且，正则化预测增强了模型的持续学习能力。我们在多个公开数据集上评估了该方法，并与最先进的深度神经网络模型比较，证明了 SHAPNN 在 AUROC、透明度以及对流式数据的鲁棒性方面具有优越性能。
引用
@article{arxiv.2309.08799,
title = {SHAPNN: Shapley Value Regularized Tabular Neural Network},
author = {Qisen Cheng and Shuhui Qu and Janghwan Lee},
journal= {arXiv preprint arXiv:2309.08799},
year = {2023}
}
备注
9 pages, 8 figures