局部化CBFI用于识别模型交互结构

Sejong Oh提出局部化案例特征重要性（CBFI）框架，旨在把单个样本的预测拆分为独立主效应与纯交互项，以识别机器学习模型中的潜在交互结构。 论文称，在葡萄酒质量分类、医疗保险回归实验，以及保真度测试和合成真值基准中，CBFI识别出的交互对应梯度提升模型和深度神经网络里的非线性结构依赖。研究将这一方法作为对SHAP、LIME等加性归因的补充，指出加性归因可能掩盖交互。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。