Buchumschlag

Unifying Feature-Based Explanations with Functional ANOVA and Cooperative Game Theory

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fumagalli, Fabian, Muschalik, Maximilian, Hüllermeier, Eyke, Hammer, Barbara, Herbinger, Julia
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

Beyond TreeSHAP: Efficient Computation of Any-Order Shapley Interactions for Tree Ensembles
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2024)

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

shapiq: Shapley Interactions for Machine Learning
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2024)

GRANITE: A Generalized Regional Framework for Identifying Agreement in Feature-Based Explanations
von: Herbinger, Julia, et al.
Veröffentlicht: (2026)

Explaining Similarity in Vision-Language Encoders with Weighted Banzhaf Interactions
von: Baniecki, Hubert, et al.
Veröffentlicht: (2025)

Exact Computation of Any-Order Shapley Interactions for Graph Neural Networks
von: Muschalik, Maximilian, et al.
Veröffentlicht: (2025)

SVARM-IQ: Efficient Approximation of Any-order Shapley Interactions through Stratification
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2024)

Proxy-Based Approximation of Shapley and Banzhaf Interactions
von: Thies, Santo M. A. R., et al.
Veröffentlicht: (2026)

Approximating the Shapley Value without Marginal Contributions
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2023)

Efficient Credal Prediction through Decalibration
von: Hofman, Paul, et al.
Veröffentlicht: (2026)

Adaptive Prompting: Ad-hoc Prompt Composition for Social Bias Detection
von: Spliethöver, Maximilian, et al.
Veröffentlicht: (2025)

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

Shapley Value Approximation Based on k-Additive Games
von: Pelegrina, Guilherme Dean, et al.
Veröffentlicht: (2025)

Linear Opinion Pooling for Uncertainty Quantification on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

CUQ-GNN: Committee-based Graph Uncertainty Quantification using Posterior Networks
von: Damke, Clemens, et al.
Veröffentlicht: (2024)

Distribution Matching for Graph Quantification Under Structural Covariate Shift
von: Damke, Clemens, et al.
Veröffentlicht: (2025)

Adjusted Count Quantification Learning on Graphs
von: Damke, Clemens, et al.
Veröffentlicht: (2025)

Aleatoric and Epistemic Uncertainty Measures for Ordinal Classification through Binary Reduction
von: Haas, Stefan, et al.
Veröffentlicht: (2025)

Mitigating Label Noise through Data Ambiguation
von: Lienen, Julian, et al.
Veröffentlicht: (2023)

Functional Decomposition and Shapley Interactions for Interpreting Survival Models
von: Langbein, Sophie Hanna, et al.
Veröffentlicht: (2026)

Pairwise Difference Learning for Classification
von: Belaid, Mohamed Karim, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Regression: A Unified Framework based on kernel scores
von: Bülte, Christopher, et al.
Veröffentlicht: (2025)

Random Forest Calibration
von: Shaker, Mohammad Hossein, et al.
Veröffentlicht: (2025)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
von: Sokol, Kacper, et al.
Veröffentlicht: (2025)

ConfoundingSHAP: Quantifying confounding strength in causal inference
von: Brockschmidt, Marie, et al.
Veröffentlicht: (2026)

Quantifying Aleatoric and Epistemic Uncertainty with Proper Scoring Rules
von: Hofman, Paul, et al.
Veröffentlicht: (2024)

Conformalized Credal Set Predictors
von: Javanmardi, Alireza, et al.
Veröffentlicht: (2024)

Uncertainty Quantification with Proper Scoring Rules: Adjusting Measures to Prediction Tasks
von: Hofman, Paul, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Machine Learning: One Size Does Not Fit All
von: Hofman, Paul, et al.
Veröffentlicht: (2025)

Decomposing Global Feature Effects Based on Feature Interactions
von: Herbinger, Julia, et al.
Veröffentlicht: (2023)

No learning rates needed: Introducing SALSA -- Stable Armijo Line Search Adaptation
von: Kenneweg, Philip, et al.
Veröffentlicht: (2024)

Second-Order Uncertainty Quantification: Variance-Based Measures
von: Sale, Yusuf, et al.
Veröffentlicht: (2023)

Probabilistic Scoring Lists for Interpretable Machine Learning
von: Hanselle, Jonas, et al.
Veröffentlicht: (2024)

Unification and Optimization of Robust Supervised Learning
von: Hanselle, Jonas, et al.
Veröffentlicht: (2026)

Credal Prediction based on Relative Likelihood
von: Löhr, Timo, et al.
Veröffentlicht: (2025)

ResponseRank: Data-Efficient Reward Modeling through Preference Strength Learning
von: Kaufmann, Timo, et al.
Veröffentlicht: (2025)

Antithetic Sampling for Top-k Shapley Identification
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2025)

Localizing Anomalies in Critical Infrastructure using Model-Based Drift Explanations
von: Vaquet, Valerie, et al.
Veröffentlicht: (2023)

Structured Credal Learning
von: Venkatesh, Varun, et al.
Veröffentlicht: (2026)

Exactly Computing do-Shapley Values
von: Witter, R. Teal, et al.
Veröffentlicht: (2026)