回归调整蒙特卡洛方法降低Shapley值估计误差
热点事件持续更新
回归调整蒙特卡洛方法降低Shapley值估计误差
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
R. Teal Witter、Yurong Liu和Christopher Musco发布arXiv论文2506.11849v3，提出将回归调整与蒙特卡洛采样结合的估计方法，用于估计Shapley值、Banzhaf值和semi-values等概率值，并通过交叉拟合获得无偏估计。 该方法比以往算法更灵活，可将线性回归替换为任何能高效计算概率值的函数族，允许使用XGBoost等树模型。作者称，在八个数据集的实验中，其方法对概率值估计达到最先进性能；对Shapley值，误差可比Permutation SHAP低11倍、比Kernel SHAP低6.5倍、比此前最优的Leverage SHAP低3.4倍。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
回归调整Monte Carlo估计器提升Shapley值与概率值估计精度报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI回归调整Monte Carlo估计器提升Shapley值与概率值估计精度
作者提出一种结合回归与Monte Carlo采样估计Shapley值、Banzhaf值和semi-values的方法，允许使用XGBoost等树模型，并通过交叉拟合获得无偏估计。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。