特征归因方法的计算何时是易处理的？
机器学习
2025-01-07 v1 机器学习
摘要
特征归因方法已成为解释机器学习模型的关键工具。许多流行方法（如SHAP和Banzhaf值）基于合作博弈论中的权力指数，这些指数衡量特征对模型预测的贡献。本文研究SHAP之外权力指数的计算复杂性，探讨它们能够被高效计算的条件。我们识别出权力指数的一个简单条件，确保其计算在多项式时间上等价于评估期望值，从而扩展了SHAP的已知结果。我们还引入了伯努利权力指数，表明其计算可以简化为常数次期望值评估。此外，我们探索了量化特征子集重要性的交互权力指数，证明其计算复杂度与单个特征的计算复杂度相似。
引用
@article{arxiv.2501.02356,
title = {When is the Computation of a Feature Attribution Method Tractable?},
author = {P. Barceló and R. Cominetti and M. Morgado},
journal= {arXiv preprint arXiv:2501.02356},
year = {2025}
}
备注
8 pages in row format