面向表格场景的 STRIDE：无子集函数分解 XAI

Chaeyun Ko

面向表格场景的 STRIDE：无子集函数分解 XAI

机器学习 2025-09-16 v2 人工智能机器学习

作者: Chaeyun Ko

摘要

大多数可解释 AI(XAI)框架在表达性方面受限，将复杂特征效应总结为单个标量值 \phi_i。该方法回答"哪些"特征重要，但无法揭示"如何"它们相互作用。此外，试图捕获相互作用的方法(如基于 Shapley 值的方法)常面临指数级计算成本。我们提出 STRIDE，一个可扩展框架通过将解释重新框定为 Reproducing Kernel Hilbert Space(RKHS) 中的无子集枚举、正交"函数分解"来解决这两个限制。在我们研究的表格场景中，STRIDE 通过递归核中心化程序解析计算函数分量 f_S(x_S)。该方法具有模型中立性并在正交性和 L^2 收敛性方面具有理论依据。在表格基准测试(10 个数据集，10 个随机种子的中位数)，STRIDE 在 TreeSHAP 基础上实现了 3.0 倍中位数加速，并实现了均值 R^2=0.93 的重建。我们还引入"组件手术"一种诊断工具，用于隔离学习到的相互作用并量化其贡献；在加州房价数据集上，移除单个相互作用可将测试 R^2 从 0.019 提升至 0.027。

关键词

可解释 AI 函数分解 RKHS Shapley 值特征相互作用

引用

@article{arxiv.2509.09070,
  title  = {STRIDE: Subset-Free Functional Decomposition for XAI in Tabular Settings},
  author = {Chaeyun Ko},
  journal= {arXiv preprint arXiv:2509.09070},
  year   = {2025}
}

备注

Major revision for submission to ICLR 2026. Substantially revised abstract, introduction, and discussion. Added new 'component surgery' analysis and updated benchmark results for clarity. (12 pages, 2 figures)

面向表格场景的 STRIDE：无子集函数分解 XAI

摘要

关键词

引用

备注

相关论文