跳到正文
arXiv · ML· Ali Tajfar, Behnam Tajfar·· 7 天前AI 评分23

可解释性声明何时可信:特征维度、Ridge 杠杆与特征恢复率的稳定性及认证

When can an interpretability claim be trusted? Stability and certification of feature dimensionality, ridge leverage and the feature recovery rate

AI 导读

研究指出小扰动可反转特征恢复声明,标准阈值下 55% 的特征恢复判定随训练种子改变。提出带锐利稳定性界值的 Ridge 正则化维度,其稳定性常数在尺度 ρ=R/√λ 下随 ρ/4 增长。实验证明认证仅在小扰动下有效,无法独立保证字典间特征非平凡恢复。

来源:arXiv · ML · arxiv.org