論文の概要: Interval-valued SHAP in Tree-Based Models

• arxiv url: http://arxiv.org/abs/2610.11953v1
• Date: Thu, 08 Oct 2026 13:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.056978
• Title: Interval-valued SHAP in Tree-Based Models
• Title（参考訳）: 木モデルにおける区間値SHAP
• Abstract要約: 決定木や無作為林におけるシェープリー値のロバスト性を解析するための不正確なディリクレモデル(IDM)を提案する。 我々は、間隔値シャプリー値の効率的な計算に繋がる様々な理論的結果を得る。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shapley values are among the most popular feature-attribution explanations. Efficient approaches for computing/estimating Shapley values for tree-based models, which are state-of-the-art for tabular data sets, have been developed. However, it is known that Shapley values can be (highly) unrobust due to small and realistic changes. In this paper, we propose an imprecise Dirichlet model (IDM) based method to analyze the robustness of Shapley values in decision trees and random forests. Technically, it is done by quantifying and analyzing the interval-valued Shapley values when a few unannotated instances are randomly introduced to the leaves of the trees. The interval-valued Shapley values can be defined following common principles in handling incomplete data: the pessimistic and averaging principles. We derive various theoretical results that lead to efficient computation of the interval-valued Shapley values. We also show that the proposed method can be straightforwardly generalized to the case of Banzhaf values. We then present various case studies and experiments to illustrate the behaviour of the proposed interval-valued Shapley values and their applications in debiasing uninformative features.
• Abstract（参考訳）: 共有価値は、最も人気のある機能属性の説明である。 グラフデータセットの最先端である木モデルに対するシェープリー値の計算・推定に有効な手法が開発されている。 しかし、シャプリーの値は、小さくて現実的な変化のために(非常に)乱雑にできることが知られている。 本稿では,不正確なディリクレモデル(IDM)を用いて,決定木やランダム林におけるシェープリー値のロバスト性を解析する手法を提案する。 技術的には、木葉に無注釈のインスタンスがランダムに導入されたときに、間隔値のShapley値を定量化し分析する。 間隔値のShapley値は、不完全なデータを扱う一般的な原則、悲観的および平均的な原則に従って定義することができる。 我々は、間隔値シャプリー値の効率的な計算に繋がる様々な理論的結果を得る。 また,提案手法はBanzhaf値の場合に簡単に一般化できることを示す。 次に,各ケーススタディと実験を行い,提案した区間値Shapley値の挙動とその非形式的特徴の偏りに対する応用について述べる。

関連論文リスト

• Nonlinear Axiomatic Attribution for Cooperative Games [72.04288767658888]
  残りの公理を保持する非線形帰属法のクラスを導入する。 本実験は,Shapley値の変種と比較して,これらの手法の有効性を実証した。
  論文  参考訳（メタデータ） (2026-07-10T18:02:24Z)
• FW-Shapley: Real-time Estimation of Weighted Shapley Values [21.562508939780532]
  我々は、重み付きシェープリー値を効率的に計算するアモータイズされたフレームワークであるFast Weighted Shapleyを提案する。 また,本実験では,基礎的真理重み付きシェープリー値を使用しなくても,理論的に有効であることを示す。 データバリュエーションに関しては、最先端のKNN Shapleyに匹敵するものながら、はるかに高速(14倍)です。
  論文  参考訳（メタデータ） (2025-03-09T13:13:14Z)
• Improving the Weighting Strategy in KernelSHAP [0.8057006406834466]
  説明可能なAI(XAI)では、Shapley値が、複雑な機械学習モデルによる予測を説明する一般的なフレームワークである。 本稿では,結果のShapley値近似のばらつきを低減するために,決定論的重みを1つに置き換えるKernelSHAPの新たな改良を提案する。 提案手法は, 近似したShapley値と同じ精度を保ちながら, 必要なコントリビューション関数の評価を5%$から50%$に削減することができる。
  論文  参考訳（メタデータ） (2024-10-07T10:02:31Z)
• 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)
• Efficient Shapley Values Estimation by Amortization for Text Classification [66.7725354593271]
  我々は,各入力特徴のシェープ値を直接予測し,追加のモデル評価を行なわずに補正モデルを開発する。 2つのテキスト分類データセットの実験結果から、アモルタイズされたモデルでは、Shapley Valuesを最大60倍のスピードアップで正確に見積もっている。
  論文  参考訳（メタデータ） (2023-05-31T16:19:13Z)
• Accelerating Shapley Explanation via Contributive Cooperator Selection [42.11059072201565]
  DNNモデルのShapley説明を著しく高速化する新しい手法SHEARを提案する。 特徴連立の選定は、本提案のシェープリー連鎖則に従い、真真正値から絶対誤差を最小化する。 SHEARは、さまざまな評価指標で、最先端のベースラインメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2022-06-17T03:24:45Z)
• Exact Shapley Values for Local and Model-True Explanations of Decision Tree Ensembles [0.0]
  決定木アンサンブルの説明にShapley値を適用することを検討する。 本稿では,無作為林に適応し,決定木を増強できる,Shapley値に基づく特徴属性に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-12-16T20:16:02Z)
• Accurate Shapley Values for explaining tree-based models [0.0]
  木構造を効率的に利用し,最先端の手法よりも精度の高い2つのシェープ値推定器を導入する。 これらのメソッドはPythonパッケージとして利用できる。
  論文  参考訳（メタデータ） (2021-06-07T17:35:54Z)
• Towards Efficient Data Valuation Based on the Shapley Value [65.4167993220998]
  本稿では,Shapley値を用いたデータ評価の問題点について検討する。 Shapleyの値は、データ値の概念に対して多くのデシダータを満たすユニークなペイオフスキームを定義する。 本稿では,Shapley値を近似する効率的なアルゴリズムのレパートリーを提案する。
  論文  参考訳（メタデータ） (2019-02-27T00:22:43Z)

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。