論文の概要: A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution

• arxiv url: http://arxiv.org/abs/2603.00496v1
• Date: Sat, 28 Feb 2026 06:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.228317
• Title: A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution
• Title（参考訳）: 特徴属性に対するSHAPのポリノミアル時間軸効果
• Authors: Kazuhiro Hiraki, Shinichi Ishihara, Takumi Kongo, Junnosuke Shino,
• Abstract要約: 我々は,XAI-TUゲームの一クラスを定式化することにより,協調ゲーム理論のレンズを通して特徴属性を研究する。 本稿では,2時間の閉形式ルールを組み合わせることで,低コストな帰属規則ESENSC_rev2を提案する。 実験により、ESENSC_rev2は正確なSHAPを近似し、スケーラビリティを大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we provide a theoretically grounded and computationally efficient alternative to SHAP. To this end, we study feature attribution through the lens of cooperative game theory by formulating a class of XAI--TU games. Building on this formulation, we investigate equal-surplus-type and proportional-allocation-type attribution rules and propose a low-cost attribution rule, ESENSC_rev2, constructed by combining two polynomial-time closed-form rules while ensuring the null-player property in the XAI--TU domain. Extensive experiments on tabular prediction tasks demonstrate that ESENSC_rev2 closely approximates exact SHAP while substantially improving scalability as the number of features increases. These empirical results indicate that equal-surplus-type attribution rules can achieve favorable trade-offs between computational cost and approximation accuracy in high-dimensional explainability settings. To provide theoretical foundations for these findings, we establish an axiomatic characterization showing that ESENSC_rev2 is uniquely determined by efficiency, the null-player axiom, a restricted differential marginality principle, an intermediate inessential-game property, and axioms that reduce computational requirements. Our results suggest that axiomatically justified and computationally efficient attribution rules can serve as practical and theoretically principled substitutes for SHAP-based approximations in modern explainability pipelines.
• Abstract（参考訳）: 本稿では,SHAPに代えて理論的に基礎を置き,計算効率のよい代替手段を提案する。 そこで我々は,XAI-TUゲームのクラスを定式化し,協調ゲーム理論のレンズによる特徴属性について検討した。 この定式化に基づいて,XAI-TU領域におけるNull-player特性を確保しつつ,2つの多項式時間閉形式ルールを組み合わせた低コストな帰属規則ESENSC_rev2を提案する。 表形式の予測タスクに関する大規模な実験により、ESENSC_rev2は正確なSHAPを密に近似し、特徴数の増加とともにスケーラビリティを大幅に向上することを示した。 これらの実験結果から,高次元説明可能性設定における計算コストと近似精度とのトレードオフが,等剰型帰属規則により達成できることが示唆された。 これらの知見の理論的基盤として,ESENSC_rev2が効率,Null-playerの公理,制限された差分限界原理,中間性ゲーム特性,計算要求を減少させる公理によって一意に決定されることを示す公理的特性を確立する。 この結果から,現代の説明可能性パイプラインにおけるSHAPに基づく近似の代用として,公理学的に正当化され,計算学的に効率的な帰属規則が有効であることが示唆された。

関連論文リスト

• Fair feature attribution for multi-output prediction: a Shapley-based perspective [0.0]
  本稿では,Shapleyフレームワーク内の複数出力予測器に対する特徴属性の公理的特徴付けを行う。 古典的なシェープリー公理をベクトル値の協調ゲームに拡張することにより、効率、対称性、ダミープレーヤ、および加算性を満たす任意の帰属規則が出力全体にわたって成分的に必然的に分解されなければならないことを示す剛性定理を確立する。
  論文  参考訳（メタデータ） (2026-02-26T11:22:08Z)
• Nonparametric Identification and Inference for Counterfactual Distributions with Confounding [6.997978440999076]
  本研究では,非パラメトリック同定と半パラメトリック推定法を提案する。 古典的半パラメトリック理論を現代的な表現学習でブリッジすることで、この研究は複雑な因果系における分布的および反ファクト的推論の頑健な統計基盤を提供する。
  論文  参考訳（メタデータ） (2026-02-17T05:00:13Z)
• Unified Inference Framework for Single and Multi-Player Performative Prediction: Method and Asymptotic Optimality [15.289993502701305]
  本稿では,単一エージェントと複数エージェントのパフォーマンスを橋渡しする,統一的な統計的推論フレームワークを提案する。 動的でパフォーマンスの高い環境で、信頼性の高い見積もりと意思決定のための原則化されたツールキットを提供する。
  論文  参考訳（メタデータ） (2026-02-03T03:17:54Z)
• Is Softmax Loss All You Need? A Principled Analysis of Softmax-family Loss [91.61796429377041]
  ソフトマックスの損失は、分類とランキングのタスクにおいて最も広く使用されるサロゲートの目標の1つである。 本研究では,異なるサロゲートが分類とランキングの指標との整合性を達成するかどうかを考察し,それらの勾配ダイナミクスを分析して,異なる収束挙動を明らかにする。 本研究は,大規模機械学習アプリケーションにおける損失選択の実践的ガイダンスとして,原則的基礎を確立した。
  論文  参考訳（メタデータ） (2026-01-30T09:24:52Z)
• Efficient Thought Space Exploration through Strategic Intervention [54.35208611253168]
  本稿では,この知見を2つの相乗的コンポーネントを通して操作するHint-Practice Reasoning(HPR)フレームワークを提案する。 フレームワークの中核となる革新は、動的に介入点を識別する分散不整合低減(DIR)である。 算術的および常識的推論ベンチマークによる実験は、HPRの最先端の効率-精度トレードオフを実証している。
  論文  参考訳（メタデータ） (2025-11-13T07:26:01Z)
• From Axioms to Algorithms: Mechanized Proofs of the vNM Utility Theorem [0.0]
  我々は、選好完全性、推移性、連続性、独立性の古典的な公理を実践する。 我々の定式化は、宝くじに対する嗜好関係の数学的構造を捉えている。 この形式化は、経済モデリング、AIアライメント、管理決定システムにおける応用のための厳格な基盤を提供する。
  論文  参考訳（メタデータ） (2025-06-08T10:09:54Z)
• Unveil Sources of Uncertainty: Feature Contribution to Conformal Prediction Intervals [0.3495246564946556]
  共形予測(CP)に基づく新しいモデルに依存しない不確実性属性(UA)法を提案する。 我々は,CP間隔特性-幅や境界条件-を値関数として定義し,入力特徴に対する予測不確かさを属性とする協調ゲームを定義する。 人工ベンチマークと実世界のデータセットを用いた実験は、我々のアプローチの実用的有用性と解釈的深さを実証する。
  論文  参考訳（メタデータ） (2025-05-19T13:49:05Z)
• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [55.80276145563105]
  The statistics properties of Temporal difference learning with Polyak-Ruppert averaging。 3つの理論的な貢献により、現在の最先端の成果が向上する。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• Multivariate Systemic Risk Measures and Computation by Deep Learning Algorithms [63.03966552670014]
  本稿では,主観的最適度と関連するリスク割り当ての公平性に着目し,重要な理論的側面について論じる。 私たちが提供しているアルゴリズムは、予備項の学習、二重表現の最適化、およびそれに対応する公正なリスク割り当てを可能にします。
  論文  参考訳（メタデータ） (2023-02-02T22:16:49Z)
• Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
  部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。 線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
  論文  参考訳（メタデータ） (2022-04-20T21:15:38Z)
• On the Equity of Nuclear Norm Maximization in Unsupervised Domain Adaptation [53.29437277730871]
  核ノルムは、教師なし領域適応モデルの転送可能性を高める力を示している。 クラスレベルとサンプルレベルから予測的差別性と株式の両方を最大化する2つの新たな損失が提案されている。
  論文  参考訳（メタデータ） (2022-04-12T07:55:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。