TempShap论文提出时间序列归因框架
热点事件持续更新
TempShap论文提出时间序列归因框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Chi Zhao等作者向arXiv提交了TempShap论文，提出一种基于损失的回溯式Shapley归因方法，用输入窗口中的单元格而非整项特征作为分析对象，以衡量特征何时起作用、影响多大，以及影响如何随预测跨度变化。论文实验显示，在冗余输入和均值屏蔽下，带符号的Shapley分解能够保留总价值；在多种估计器、预测基准和模型系列中，该方法也取得了留出集删除排序优势。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
TempShap：时间序列预测中特征何时重要、影响有多大报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningTempShap：时间序列预测中特征何时重要、影响有多大
TempShap提出一种回溯式、基于损失的Shapley归因框架，将输入窗口中的单元格而非整项特征作为参与者，刻画特征何时起作用及其影响如何随预测跨度变化。实验显示，在冗余输入和均值屏蔽下，带符号的Shapley分解能保留总价值，并在多种估计器、预测基准和模型系列中带来留出集删除排序优势。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。