PolySHAP migliora le stime del valore di Shapley tramite regressione polinomiale
Un nuovo metodo chiamato PolySHAP estende KernelSHAP utilizzando polinomi di grado superiore per approssimare i valori di Shapley, catturando interazioni non lineari tra le caratteristiche. L'approccio produce stime empiricamente migliori su dataset di riferimento ed è dimostrato essere consistente. PolySHAP si collega anche al campionamento accoppiato (campionamento antitetico), una modifica comune che migliora l'accuratezza di KernelSHAP. Il lavoro è pubblicato su arXiv (2601.18608) e affronta il costo esponenziale del calcolo esatto del valore di Shapley, che richiede 2^d valutazioni per d caratteristiche.
Fatti principali
- PolySHAP estende KernelSHAP utilizzando polinomi di grado superiore.
- Cattura interazioni non lineari tra le caratteristiche.
- Stime del valore di Shapley empiricamente migliori su dataset di riferimento.
- Stime dimostrate consistenti.
- Si collega al campionamento accoppiato (campionamento antitetico).
- Il calcolo esatto del valore di Shapley richiede 2^d valutazioni.
- KernelSHAP approssima i valori di Shapley tramite una funzione lineare.
- Pubblicato su arXiv con ID 2601.18608.
Entità
Istituzioni
- arXiv