作者:18届 cyl
日期:2021-08-15
论文:《Shapley Explanation
Networks》
期刊:ICLR
一、前提知识:Shapley Value
Shapley Value起源于博弈论,n人合作,共创造了v(N)的价值,如何评估每个人的价值?通过计算每个
人的Shapley value。
公式:
特点:
- 可以评估一组特征的重要性
- 计算复杂的是指数级别
- 可以进行线性变换,对一个函数求了shapley值,如果函数再进行线性变换,可以通过对原
shapley值进行线性变换求新的shapley值。
二、背景
神经网络的可解释性是待解决的重要问题,其中了解每个特征的重要性是提高可解释性的一个方向。
在博弈论中提出的Shapley值是评估组成元素重要性的一个方法,并且shapley值已经被应用到了机器学
习领域,但是存在两个问题:
(1)由于Shapley值计算方法本身的特点,它的时间复杂度是指数级别的;
(2)目前的分析方法都是“事后”的,即模型已经构建完成了,对模型计算shapley值,这样一来消耗时
间,二来得到的shapley值只是用来分析,没有修改模型本身。
目标
1)通过近似方法降低时间复杂度
2)使用Shapley值指导正则化、剪枝,修改模型
三、Shapley Explanation Networks