跳到正文
热点事件持续更新

研究者提出DynSHAP动态生存分析解释框架

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

Nastasya Anokhina等研究者在2026年11月提出的DynSHAP框架，是一种专为动态生存分析设计的SHAP可解释方法。该框架利用Shapley博弈论，专门用于处理纵向不规则的输入数据与生存输出结果，以解决现有可解释性方法在此类任务中的局限性。 该研究还介绍了DynSHAP的变体Temporal DynSHAP，其能够学习时间依赖性。在合成数据上的测试表明，相较于传统的边际估计器，Temporal DynSHAP能更准确地恢复特征信息。此外，该方法已在两个临床数据集中得到应用，能够生成忠实的归因结果，从而辅助医疗专家识别驱动预测的关键患者信息及其对应的时间点。

AI 根据报道生成 · 20 小时前更新

最新进展11月6日 13:00
DynSHAP: 面向可解释动态生存分析的 SHAP 框架

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    DynSHAP: 面向可解释动态生存分析的 SHAP 框架

    DynSHAP 框架通过 Shapley 博弈处理纵向不规则输入与生存输出，解决现有可解释方法在动态生存分析中的局限。 其变体 Temporal DynSHAP 学习时间依赖性，在合成数据上比边际估计器更准确恢复特征。 该方法在两个临床数据集上生成忠实归因，辅助医疗专家识别驱动预测的患者信息及时间点。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 16:00
近 24 小时变化
–

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。