跳到正文
arXiv · ML· Idan Refaeli, Yizhak Yisrael Elboher, Guy Katz, Shahaf Bassan·· 10 天前AI 评分30

特征交互是否破坏可解释性?任意阶神经加性模型的可证明解释

Do Feature Interactions Break Explainability? Provable Explanations for Any-Order Neural Additive Models

AI 导读

针对任意阶特征交互的神经网络,本文提出可计算可证明且充分的最小特征子集。 证明了常数阶交互下问题具有 $\Sigma_2^P$ 硬度,但在稀疏交互或强充分性设定下存在多项式时间算法。 所提方法比标准算法生成的解释更小、更快,且模型精度显著高于标准神经加性模型(NAM)。

来源:arXiv · ML · arxiv.org