Buchumschlag

REFRESH: Responsible and Efficient Feature Reselection Guided by SHAP Values

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharma, Shubham, Dutta, Sanghamitra, Albini, Emanuele, Lecue, Freddy, Magazzeni, Daniele, Veloso, Manuela
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Progressive Inference: Explaining Decoder-Only Sequence Classification Models Using Intermediate Predictions
von: Kariyappa, Sanjay, et al.
Veröffentlicht: (2024)

Sequential Harmful Shift Detection Without Labels
von: Amoukou, Salim I., et al.
Veröffentlicht: (2024)

Fair Wasserstein Coresets
von: Xiong, Zikai, et al.
Veröffentlicht: (2023)

Are Logistic Models Really Interpretable?
von: Dervovic, Danial, et al.
Veröffentlicht: (2024)

Quantifying Prediction Consistency Under Fine-Tuning Multiplicity in Tabular LLMs
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

ShapShift: Explaining Model Prediction Shifts with Subgroup Conditional Shapley Values
von: Bewley, Tom, et al.
Veröffentlicht: (2026)

Robust Counterfactual Explanations for Neural Networks With Probabilistic Guarantees
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

The Effect of Data Poisoning on Counterfactual Explanations
von: Artelt, André, et al.
Veröffentlicht: (2024)

Interpreting Language Reward Models via Contrastive Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

Entropic Projection Alignment: Estimating, Explaining, and Improving Model Performance Under Distribution Shift
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)

Interpretable LLM-based Table Question Answering
von: Nguyen, Giang, et al.
Veröffentlicht: (2024)

Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates
von: Mana, Kyle, et al.
Veröffentlicht: (2023)

Shap-Select: Lightweight Feature Selection Using SHAP Values and Regression
von: Kraev, Egor, et al.
Veröffentlicht: (2024)

A Unified View of Group Fairness Tradeoffs Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

Demystifying Local and Global Fairness Trade-offs in Federated Learning Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

TabDistill: Distilling Transformers into Neural Nets for Few-Shot Tabular Classification
von: Dissanayake, Pasan, et al.
Veröffentlicht: (2025)

RankSHAP: Shapley Value Based Feature Attributions for Learning to Rank
von: Chowdhury, Tanya, et al.
Veröffentlicht: (2024)

Model Reconstruction Using Counterfactual Explanations: A Perspective From Polytope Theory
von: Dissanayake, Pasan, et al.
Veröffentlicht: (2024)

T-SHIRT: Token-Selective Hierarchical Data Selection for Instruction Tuning
von: Fu, Yanjun, et al.
Veröffentlicht: (2025)

Who Judges the Judge? LLM Jury-on-Demand: Building Trustworthy LLM Evaluation Systems
von: Li, Xiaochuan, et al.
Veröffentlicht: (2025)

Private Counterfactual Retrieval With Immutable Features
von: Meel, Shreya, et al.
Veröffentlicht: (2024)

SHAP-Guided Regularization in Machine Learning Models
von: Saadallah, Amal
Veröffentlicht: (2025)

Learning Invariant Graph Representations Through Redundant Information
von: Halder, Barproda, et al.
Veröffentlicht: (2025)

Enhancing Diagnostic Accuracy for Urinary Tract Disease through Explainable SHAP-Guided Feature Selection and Classification
von: de Oliveira, Filipe Ferreira, et al.
Veröffentlicht: (2025)

Improving Prototypical Visual Explanations with Reward Reweighing, Reselection, and Retraining
von: Li, Aaron J., et al.
Veröffentlicht: (2023)

From SHAP Scores to Feature Importance Scores
von: Letoffe, Olivier, et al.
Veröffentlicht: (2024)

SHAP-based Explanations are Sensitive to Feature Representation
von: Hwang, Hyunseung, et al.
Veröffentlicht: (2025)

VISION: Robust and Interpretable Code Vulnerability Detection Leveraging Counterfactual Augmentation
von: Egea, David, et al.
Veröffentlicht: (2025)

InstaSHAP: Interpretable Additive Models Explain Shapley Values Instantly
von: Enouen, James, et al.
Veröffentlicht: (2025)

SHAP-Guided Kernel Actor-Critic for Explainable Reinforcement Learning
von: Li, Na, et al.
Veröffentlicht: (2025)

HyperSHAP: Shapley Values and Interactions for Explaining Hyperparameter Optimization
von: Wever, Marcel, et al.
Veröffentlicht: (2025)

Lightweight Intrusion Detection in IoT via SHAP-Guided Feature Pruning and Knowledge-Distilled Kronecker Networks
von: Benaddi, Hafsa, et al.
Veröffentlicht: (2025)

Scalable Representation Learning for Multimodal Tabular Transactions
von: Raman, Natraj, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning and Mean-Variance Strategies for Responsible Portfolio Optimization
von: Acero, Fernando, et al.
Veröffentlicht: (2024)

A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution
von: Hiraki, Kazuhiro, et al.
Veröffentlicht: (2026)

RoSHAP: A Distributional Framework and Robust Metric for Stable Feature Attribution
von: Xiang, Lanxin, et al.
Veröffentlicht: (2026)

The Unseen Threat: Residual Knowledge in Machine Unlearning under Perturbed Samples
von: Hsu, Hsiang, et al.
Veröffentlicht: (2026)

Quadrature-TreeSHAP: Depth-Independent TreeSHAP and Shapley Interactions
von: Wettenstein, Ron, et al.
Veröffentlicht: (2026)

CQD-SHAP: Explainable Complex Query Answering via Shapley Values
von: Abbasi, Parsa, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Model Ensembles Using Entropic Risk Measures
von: Noorani, Erfaun, et al.
Veröffentlicht: (2025)