Buchumschlag

Fair Feature Importance Scores via Feature Occlusion and Permutation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Little, Camille, Navarro, Madeline, Segarra, Santiago, Allen, Genevera
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

Top-$k$ Feature Importance Ranking
von: Chen, Yuxi, et al.
Veröffentlicht: (2025)

Adaptive Node Feature Selection For Graph Neural Networks
von: Navarro, Madeline, et al.
Veröffentlicht: (2025)

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

Fair CoVariance Neural Networks
von: Cavallo, Andrea, et al.
Veröffentlicht: (2024)

Fair GLASSO: Estimating Fair Graphical Models with Unbiased Statistical Behavior
von: Navarro, Madeline, et al.
Veröffentlicht: (2024)

Adaptive Graph Coarsening for Efficient GNN Training
von: Olshevskyi, Rostyslav, et al.
Veröffentlicht: (2025)

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

Estimating Fair Graphs from Graph-Stationary Data
von: Navarro, Madeline, et al.
Veröffentlicht: (2025)

Learning Time-Varying Turn-Taking Behavior in Group Conversations
von: Navarro, Madeline, et al.
Veröffentlicht: (2025)

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

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

Stationarity and Spectral Characterization of Random Signals on Simplicial Complexes
von: Navarro, Madeline, et al.
Veröffentlicht: (2026)

Low-Rank Tensors for Multi-Dimensional Markov Models
von: Navarro, Madeline, et al.
Veröffentlicht: (2024)

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

Redesigning graph filter-based GNNs to relax the homophily assumption
von: Rey, Samuel, et al.
Veröffentlicht: (2024)

ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns
von: O'Bryan, Lisa R., et al.
Veröffentlicht: (2024)

Online Network Inference from Graph-Stationary Signals with Hidden Nodes
von: Buciulea, Andrei, et al.
Veröffentlicht: (2024)

TRIP: A Nonparametric Test to Diagnose Biased Feature Importance Scores
von: Foote, Aaron, et al.
Veröffentlicht: (2025)

PPFS: Predictive Permutation Feature Selection
von: Hassan, Atif, et al.
Veröffentlicht: (2021)

Structure-Guided Input Graph for GNNs facing Heterophily
von: Tenorio, Victor M., et al.
Veröffentlicht: (2024)

Adapting to Heterophilic Graph Data with Structure-Guided Neighbor Discovery
von: Tenorio, Victor M., et al.
Veröffentlicht: (2025)

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

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

Mechanistic Permutability: Match Features Across Layers
von: Balagansky, Nikita, et al.
Veröffentlicht: (2024)

Repulsive Latent Score Distillation for Solving Inverse Problems
von: Zilberstein, Nicolas, et al.
Veröffentlicht: (2024)

Visual Model Selection using Feature Importance Clusters in Fairness-Performance Similarity Optimized Space
von: Kitharidis, Sofoklis, et al.
Veröffentlicht: (2025)

Disentangled Feature Importance
von: Du, Jin-Hong, et al.
Veröffentlicht: (2025)

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

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

Weighted Conformal Clustering
von: Nath, Anirban, et al.
Veröffentlicht: (2026)

MTS-LOF: Medical Time-Series Representation Learning via Occlusion-Invariant Features
von: Li, Huayu, et al.
Veröffentlicht: (2023)

Enabling Heterogeneous Adversarial Transferability via Feature Permutation Attacks
von: Wu, Tao, et al.
Veröffentlicht: (2025)

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

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

Beyond Feature Importance: Feature Interactions in Predicting Post-Stroke Rigidity with Graph Explainable AI
von: Xu, Jiawei, et al.
Veröffentlicht: (2025)

Fair Streaming Feature Selection
von: Duan, Zhangling, et al.
Veröffentlicht: (2024)

TangledFeatures: Robust Feature Selection in Highly Correlated Spaces
von: Sunny, Allen Daniel
Veröffentlicht: (2025)

Feature Importance and Explainability in Quantum Machine Learning
von: Power, Luke, et al.
Veröffentlicht: (2024)