Buchumschlag

cc-Shapley: Measuring Multivariate Feature Importance Needs Causal Context

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Martin, Jörg, Haufe, Stefan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Methodology I.2; G.3
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Survey of Methods, Challenges and Perspectives in Causality
von: Gendron, Gaël, et al.
Veröffentlicht: (2023)

Robust Domain Generalisation with Causal Invariant Bayesian Neural Networks
von: Gendron, Gaël, et al.
Veröffentlicht: (2024)

Beyond Normality: Reliable A/B Testing with Non-Gaussian Data
von: Gong, Junpeng, et al.
Veröffentlicht: (2025)

Unity Forests: Improving Interaction Modelling and Interpretability in Random Forests
von: Hornung, Roman, et al.
Veröffentlicht: (2026)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

The Role of Causal Features in Strategic Classification for Robustness and Alignment
von: Gois, Antonio, et al.
Veröffentlicht: (2026)

Byzantine-tolerant distributed learning of finite mixture models
von: Zhang, Qiong, et al.
Veröffentlicht: (2024)

The Hiremath Early Detection (HED) Score: A Measure-Theoretic Evaluation Standard for Temporal Intelligence
von: Hiremath, Prakul Sunil
Veröffentlicht: (2026)

Learning the Causal Structure of Networked Dynamical Systems under Latent Nodes and Structured Noise
von: Santos, Augusto, et al.
Veröffentlicht: (2023)

Capturing Multivariate Dependencies of EV Charging Events: From Parametric Copulas to Neural Density Estimation
von: Výboh, Martin, et al.
Veröffentlicht: (2026)

Model-Agnostic Covariate-Assisted Inference on Partially Identified Causal Effects
von: Ji, Wenlong, et al.
Veröffentlicht: (2023)

From Data to Action: Accelerating Refinery Optimization with AI
von: Pfeifer, Dániel, et al.
Veröffentlicht: (2026)

Robust X-Learner: Breaking the Curse of Imbalance and Heavy Tails via Robust Cross-Imputation
von: Uehara, Eichi
Veröffentlicht: (2026)

Bias-Corrected Adaptive Conformal Inference for Multi-Horizon Time Series Forecasting
von: Lade, Ankit, et al.
Veröffentlicht: (2026)

Adjusted Similarity Measures and a Violation of Expectations
von: Lippitt, William L., et al.
Veröffentlicht: (2026)

Multivariate Spatio-Temporal Neural Hawkes Processes
von: Chukwuemeka, Christopher, et al.
Veröffentlicht: (2026)

Early Detection of Latent Microstructure Regimes in Limit Order Books
von: Hiremath, Prakul Sunil, et al.
Veröffentlicht: (2026)

Leveraging Machine Learning for Official Statistics: A Statistical Manifesto
von: Puts, Marco, et al.
Veröffentlicht: (2024)

DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Structure Learning
von: Tirumala, Aditya Puttaparthi
Veröffentlicht: (2025)

How Does the Pretraining Distribution Shape In-Context Learning? Task Selection, Generalization, and Robustness
von: Azizian, Waïss, et al.
Veröffentlicht: (2025)

Empirical Decision Theory
von: Jansen, Christoph, et al.
Veröffentlicht: (2025)

Causal Cartographer: From Mapping to Reasoning Over Counterfactual Worlds
von: Gendron, Gaël, et al.
Veröffentlicht: (2025)

Augmented Functional Random Forests: Classifier Construction and Unbiased Functional Principal Components Importance through Ad-Hoc Conditional Permutations
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

Calibrated and Conformal Propensity Scores for Causal Effect Estimation
von: Deshpande, Shachi, et al.
Veröffentlicht: (2023)

Neural Optimization with Adaptive Heuristics for Intelligent Marketing System
von: Wei, Changshuai, et al.
Veröffentlicht: (2024)

Throwing Vines at the Wall: Structure Learning via Random Search
von: Vatter, Thibault, et al.
Veröffentlicht: (2025)

Causal Discovery in Semi-Stationary Time Series
von: Gao, Shanyun, et al.
Veröffentlicht: (2024)

Contrastive Dimension Reduction: A Systematic Review
von: Hawke, Sam, et al.
Veröffentlicht: (2025)

When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression
von: Kurbucz, Marcell T.
Veröffentlicht: (2026)

Logging Policy Design for Off-Policy Evaluation
von: Douglas, Connor, et al.
Veröffentlicht: (2026)

Causal Discovery-Driven Change Point Detection in Time Series
von: Gao, Shanyun, et al.
Veröffentlicht: (2024)

Cluster-based Regression using Variational Inference and Applications in Financial Forecasting
von: Nagpal, Udai, et al.
Veröffentlicht: (2022)

Curb Your Attention: Causal Attention Gating for Robust Trajectory Prediction in Autonomous Driving
von: Ahmadi, Ehsan, et al.
Veröffentlicht: (2024)

Can Large Language Models Learn Independent Causal Mechanisms?
von: Gendron, Gaël, et al.
Veröffentlicht: (2024)

Bounding Causal Effects and Counterfactuals
von: Maringgele, Tobias
Veröffentlicht: (2025)

Semi-Supervised Learning guided by the Generalized Bayes Rule under Soft Revision
von: Dietrich, Stefan, et al.
Veröffentlicht: (2024)

Counterfactual Causal Inference in Natural Language with Large Language Models
von: Gendron, Gaël, et al.
Veröffentlicht: (2024)

From Theory to Practice with RAVEN-UCB: Addressing Non-Stationarity in Multi-Armed Bandits through Variance Adaptation
von: Fang, Junyi, et al.
Veröffentlicht: (2025)

Improving ML Training Data with Gold-Standard Quality Metrics
von: Barrett, Leslie, et al.
Veröffentlicht: (2025)

Front-door Reducibility: Reducing ADMGs to the Standard Front-door Setting via a Graphical Criterion
von: Mao, Jianqiao, et al.
Veröffentlicht: (2025)