Buchumschlag

Towards trustable SHAP scores

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Letoffe, Olivier, Huang, Xuanxiang, Marques-Silva, Joao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SHAP scores fail pervasively even when Lipschitz succeeds
von: Letoffe, Olivier, et al.
Veröffentlicht: (2024)

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

Towards Rigorous Explainability by Feature Attribution
von: Létoffé, Olivier, et al.
Veröffentlicht: (2026)

Rigorous Feature Importance Scores based on Shapley Value and Banzhaf Index
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2025)

The Explanation Game -- Rekindled (Extended Version)
von: Marques-Silva, Joao, et al.
Veröffentlicht: (2025)

Explainability is NOT a Game
von: Marques-Silva, Joao, et al.
Veröffentlicht: (2023)

Rigorous Explanations for Tree Ensembles
von: Izza, Yacine, et al.
Veröffentlicht: (2026)

A Refutation of Shapley Values for Explainability
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2023)

From Robustness to Explainability and Back Again
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2023)

Towards Piece-by-Piece Explanations for Chess Positions with SHAP
von: Spinnato, Francesco
Veröffentlicht: (2025)

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

PolySHAP: Extending KernelSHAP with Interaction-Informed Polynomial Regression
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2026)

Interaction Tensor SHAP
von: Hasegawa, Hiroki, et al.
Veröffentlicht: (2025)

Distance-Restricted Explanations: Theoretical Underpinnings & Efficient Implementation
von: Izza, Yacine, et al.
Veröffentlicht: (2024)

CS-SHAP: Extending SHAP to Cyclic-Spectral Domain for Better Interpretability of Intelligent Fault Diagnosis
von: Chen, Qian, et al.
Veröffentlicht: (2025)

The Distributional Uncertainty of the SHAP score in Explainable Machine Learning
von: Cifuentes, Santiago, et al.
Veröffentlicht: (2024)

CNN-TFT explained by SHAP with multi-head attention weights for time series forecasting
von: Stefenon, Stefano F., et al.
Veröffentlicht: (2025)

Explanation Multiplicity in SHAP: Characterization and Assessment
von: Hwang, Hyunseung, et al.
Veröffentlicht: (2026)

Can Global XAI Methods Reveal Injected Bias in LLMs? SHAP vs Rule Extraction vs RuleSHAP
von: Sovrano, Francesco
Veröffentlicht: (2025)

On the Tractability of SHAP Explanations under Markovian Distributions
von: Marzouk, Reda, et al.
Veröffentlicht: (2024)

ContextualSHAP : Enhancing SHAP Explanations Through Contextual Language Generation
von: Dwiyanti, Latifa, et al.
Veröffentlicht: (2025)

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

How to safely discard features based on aggregate SHAP values
von: Bhattacharjee, Robi, et al.
Veröffentlicht: (2025)

A Perspective on Explainable Artificial Intelligence Methods: SHAP and LIME
von: Salih, Ahmed, et al.
Veröffentlicht: (2023)

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

Locally-Minimal Probabilistic Explanations
von: Izza, Yacine, et al.
Veröffentlicht: (2023)

KernelSHAP-IQ: Weighted Least-Square Optimization for Shapley Interactions
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2024)

Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease
von: Guillén, Pablo, et al.
Veröffentlicht: (2026)

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

Fooling SHAP with Output Shuffling Attacks
von: Yuan, Jun, et al.
Veröffentlicht: (2024)

Shaping Up SHAP: Enhancing Stability through Layer-Wise Neighbor Selection
von: Kelodjou, Gwladys, et al.
Veröffentlicht: (2023)

DeltaSHAP: Explaining Prediction Evolutions in Online Patient Monitoring with Shapley Values
von: Kim, Changhun, et al.
Veröffentlicht: (2025)

Choose Your Explanation: A Comparison of SHAP and GradCAM in Human Activity Recognition
von: Tempel, Felix, et al.
Veröffentlicht: (2024)

TN-SHAP-G: Graph-Structured Tensor Network Surrogates for Shapley Values and Interactions
von: Heidari, Farzaneh, et al.
Veröffentlicht: (2026)

The Cost of Relaxation: Evaluating the Error in Convex Neural Network Verification
von: Papamichail, Merkouris, et al.
Veröffentlicht: (2026)

Delivering Inflated Explanations
von: Izza, Yacine, et al.
Veröffentlicht: (2023)

Enhancing RL Generalizability in Robotics through SHAP Analysis of Algorithms and Hyperparameters
von: Kong, Lingxiao, et al.
Veröffentlicht: (2026)

Causal SHAP: Feature Attribution with Dependency Awareness through Causal Discovery
von: Ng, Woon Yee, et al.
Veröffentlicht: (2025)

Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability
von: Pinheiro, João Manoel Herrera, et al.
Veröffentlicht: (2024)

Efficient & Correct Predictive Equivalence for Decision Trees
von: Marques-Silva, Joao, et al.
Veröffentlicht: (2025)