arXiv · ML· Sejong Oh·· 1 天前AI 评分24
局部化CBFI：从机器学习模型中恢复潜在交互结构的方法
Beyond feature attribution: Recovering latent interaction structures in machine learning models via localized CBFI
AI 导读
针对SHAP和LIME等加性框架掩盖非线性交互逻辑的问题，研究者提出了局部化案例特征重要性（localized CBFI）框架。 该方法通过将特定实例的预测分解为独立主效应（G1）和纯交互（G4）组件，以显式捕捉特征协同。 在葡萄酒质量分类和医疗保险回归实验中，局部化CBFI成功解析了梯度提升和深度神经网络中隐藏的非线性结构依赖。
来源：arXiv · ML · arxiv.org