Copertina

Top-$k$ Feature Importance Ranking

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Chen, Yuxi, Tang, Tiffany, Allen, Genevera
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Fair Feature Importance Scores via Feature Occlusion and Permutation
di: Little, Camille, et al.
Pubblicazione: (2026)

LOCO Feature Importance Inference without Data Splitting via Minipatch Ensembles
di: Gan, Luqin, et al.
Pubblicazione: (2022)

iLOCO: Distribution-Free Inference for Feature Interactions
di: Little, Camille, et al.
Pubblicazione: (2025)

Low-Rank Covariance Completion for Graph Quilting with Applications to Functional Connectivity
di: Chang, Andersen, et al.
Pubblicazione: (2022)

Unsupervised Machine Learning for Scientific Discovery: Workflow and Best Practices
di: Chang, Andersen, et al.
Pubblicazione: (2025)

Fair MP-BOOST: Fair and Interpretable Minipatch Boosting
di: Little, Camille Olivia, et al.
Pubblicazione: (2024)

On the Minimax Regret in Online Ranking with Top-k Feedback
di: Zhang, Mingyuan, et al.
Pubblicazione: (2023)

Fast and Accurate Graph Learning for Huge Data via Minipatch Ensembles
di: Yao, Tianyi, et al.
Pubblicazione: (2021)

Statistical Significance of Feature Importance Rankings
di: Goldwasser, Jeremy, et al.
Pubblicazione: (2024)

Local MDI+: Local Feature Importances for Tree-Based Models
di: Liang, Zhongyuan, et al.
Pubblicazione: (2025)

Cluster Quilting: Spectral Clustering for Patchwork Learning
di: Zheng, Lili, et al.
Pubblicazione: (2024)

Are machine learning interpretations reliable? A stability study on global interpretations
di: Gan, Luqin, et al.
Pubblicazione: (2025)

Generalized Top-k Mallows Model for Ranked Choices
di: Haddadan, Shahrzad, et al.
Pubblicazione: (2025)

Weighted Conformal Clustering
di: Nath, Anirban, et al.
Pubblicazione: (2026)

Top-k on a Budget: Adaptive Ranking with Weak and Strong Oracles
di: Oettershagen, Lutz
Pubblicazione: (2026)

Group-Aware Matrix Estimation and Latent Subspace Recovery
di: Golubovic, Hamza, et al.
Pubblicazione: (2026)

Variable Selection Using Relative Importance Rankings
di: Chang, Tien-En, et al.
Pubblicazione: (2025)

Learning to Rank with Top-$K$ Fairness
di: Zhang, Boyang, et al.
Pubblicazione: (2025)

Approximate Top-$k$ for Increased Parallelism
di: Key, Oscar, et al.
Pubblicazione: (2024)

Top-$k$ Classification and Cardinality-Aware Prediction
di: Mao, Anqi, et al.
Pubblicazione: (2024)

Statistical Models of Top-$k$ Partial Orders
di: Awadelkarim, Amel, et al.
Pubblicazione: (2024)

Cardinality-Aware Set Prediction and Top-$k$ Classification
di: Cortes, Corinna, et al.
Pubblicazione: (2024)

Breaking the Top-$K$ Barrier: Advancing Top-$K$ Ranking Metrics Optimization in Recommender Systems
di: Yang, Weiqin, et al.
Pubblicazione: (2025)

Differentiable Knapsack and Top-k Operators via Dynamic Programming
di: Vivier-Ardisson, Germain, et al.
Pubblicazione: (2026)

Learned Feature Importance Scores for Automated Feature Engineering
di: Dong, Yihe, et al.
Pubblicazione: (2024)

Challenges in Variable Importance Ranking Under Correlation
di: Liang, Annie, et al.
Pubblicazione: (2024)

A Preliminary Study on the Promises and Challenges of Native Top-$k$ Sparse Attention
di: Xiu, Di, et al.
Pubblicazione: (2025)

Why Ask One When You Can Ask $k$? Learning-to-Defer to the Top-$k$ Experts
di: Montreuil, Yannis, et al.
Pubblicazione: (2025)

Learn to Rank: Visual Attribution by Learning Importance Ranking
di: Schinagl, David, et al.
Pubblicazione: (2026)

Tab-Shapley: Identifying Top-k Tabular Data Quality Insights
di: Padala, Manisha, et al.
Pubblicazione: (2025)

Disentangled Feature Importance
di: Du, Jin-Hong, et al.
Pubblicazione: (2025)

Ranking the Top-K Realizations of Stochastically Known Event Logs
di: Lepsien, Arvid, et al.
Pubblicazione: (2024)

ZETA: Leveraging Z-order Curves for Efficient Top-k Attention
di: Zeng, Qiuhao, et al.
Pubblicazione: (2025)

Factor Importance Ranking and Selection using Total Indices
di: Huang, Chaofan, et al.
Pubblicazione: (2024)

Reducing Communication for Split Learning by Randomized Top-k Sparsification
di: Zheng, Fei, et al.
Pubblicazione: (2023)

Trustworthy Feature Importance Avoids Unrestricted Permutations
di: Borgonovo, Emanuele, et al.
Pubblicazione: (2026)

Foundations of Top-$k$ Decoding For Language Models
di: Noarov, Georgy, et al.
Pubblicazione: (2025)

A Mathematical Theory of Top-$k$ Sparse Attention via Total Variation Distance
di: Tzachristas, Georgios, et al.
Pubblicazione: (2025)

CID: Measuring Feature Importance Through Counterfactual Distributions
di: Conti, Eddie, et al.
Pubblicazione: (2025)

Aggregate Models, Not Explanations: Improving Feature Importance Estimation
di: Paillard, Joseph, et al.
Pubblicazione: (2026)