論文の概要: Proxy-Based Approximation of Shapley and Banzhaf Interactions

• arxiv url: http://arxiv.org/abs/2605.22738v2
• Date: Fri, 22 May 2026 15:18:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 14:44:53.789125
• Title: Proxy-Based Approximation of Shapley and Banzhaf Interactions
• Title（参考訳）: シャプリーとバンジャフの相互作用のプロキシに基づく近似
• Authors: Santo M. A. R. Thies, Hubert Baniecki, R. Teal Witter, Eyke Hüllermeier, Maximilian Muschalik, Fabian Fumagalli,
• Abstract要約: シェープリーとバンジャフの相互作用は、現代の機械学習アプリケーションに固有の複雑なダイナミクスを捉えている。 これらの高次相互作用の現在の推定器は、速度と精度をトレードオフする。 ProxySHAPは、木ベースのプロキシモデルの高サンプリング効率を、一貫性への原則的なパスで調整する。
• 参考スコア（独自算出の注目度）: 38.4656058504016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shapley and Banzhaf interactions capture the complex dynamics inherent in modern machine learning applications. However, current estimators for these higher-order interactions trade off between speed and accuracy. To overcome this limitation, we introduce ProxySHAP. ProxySHAP reconciles the high sample efficiency of tree-based proxy models with a principled path to consistency via residual correction. On a theoretical level, we derive a polynomial-time generalization of interventional TreeSHAP to compute exact interaction indices for tree ensembles, successfully bypassing exponential tree-depth dependencies in prior methods. Furthermore, we formally analyze the residual adjustment strategy, characterizing the specific conditions under which Maximum Sample Reuse (MSR) corrects proxy bias without its variance scaling exponentially with interaction size. Extensive benchmarking demonstrates that ProxySHAP sets a new state-of-the-art standard for approximation quality, including in large-scale applications with thousands of features. By achieving the lowest error in both small- and large-budget regimes, ProxySHAP significantly outperforms the prior best estimators ProxySPEX and KernelSHAP-IQ, while also delivering superior performance on downstream explainability tasks.
• Abstract（参考訳）: シェープリーとバンジャフの相互作用は、現代の機械学習アプリケーションに固有の複雑なダイナミクスを捉えている。 しかし、これらの高次相互作用の現在の推定器は、速度と精度の間にトレードオフがある。 この制限を克服するために、ProxySHAPを紹介します。 ProxySHAPは、木に基づくプロキシモデルの高サンプリング効率と、残差補正による整合性への原則的経路を整合させる。 理論的なレベルでは、介入木SHAPの多項式時間一般化を導出し、ツリーアンサンブルの正確な相互作用指標を計算し、先行手法の指数木依存性を回避した。 さらに,MSR(Maximum Sample Reuse)がプロキシバイアスを補正する特定の条件を,インタラクションサイズと指数関数的に分散スケーリングすることなく特徴付けることにより,残留調整戦略を正式に解析する。 大規模なベンチマークでは、ProxySHAPが、何千もの機能を持つ大規模アプリケーションを含む、近似品質のための新しい最先端の標準を設定していることが示されている。 ProxySHAPは、小予算と大予算の両方で最も低い誤差を達成し、従来の最高の推定器であるProxySPEXとKernelSHAP-IQを著しく上回っている。

関連論文リスト

• An Odd Estimator for Shapley Values [19.262788739385012]
  Shapley値は、特徴の重要性、データバリュエーション、因果推論を含む、機械学習の帰属のためのフレームワークである。 我々は、Shapley値が集合関数の奇数成分にのみ依存していることを証明する。 奇数部分空間のみに回帰を行う一貫した推定器であるOddSHAPを提案する。
  論文  参考訳（メタデータ） (2026-02-01T19:07:16Z)
• Extracting Interpretable Models from Tree Ensembles: Computational and Statistical Perspectives [19.50913413088063]
  木アンサンブルから決定規則のコンパクトな集合を抽出する推定器を提案する。 我々の推定器の重要な新規性は、抽出されたルールの数と各ルールの相互作用深さを共同で制御する柔軟性である。 我々の推定器は既存のルール抽出アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-25T04:06:37Z)
• Energy-Based Model for Accurate Estimation of Shapley Values in Feature Attribution [8.957856106096417]
  EmSHAP (Energy-based model for Shapley value Estimation) は、Shapleyコントリビューション関数の期待値を推定するために提案される。 GRU(Gated Recurrent Unit)結合分割関数推定法を提案する。
  論文  参考訳（メタデータ） (2024-04-01T12:19:33Z)
• Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
  冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。 既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。 実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
  論文  参考訳（メタデータ） (2023-11-02T06:09:24Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
  最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。 この研究は、増強に基づく事前訓練の統計的分析に発展する。
  論文  参考訳（メタデータ） (2023-06-01T15:18:55Z)
• IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
  IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。 我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
  論文  参考訳（メタデータ） (2023-03-01T15:16:56Z)

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。