arXiv stat.ML· Joran Michiels, Anis Ismail, Maarten De Vos, Alejandro Sifrim·· 15 天前AI 评分38
因果积分梯度：沿因果路径的可扩展特征归因方法
Causal Integrated Gradients: Scalable Feature Attribution Along Causal Paths
AI 导读
研究者提出了因果积分梯度（CIG）与因果期望梯度（CEG），通过沿因果图路由积分路径将先验因果结构引入输入特征归因，并保留了计算效率与公理化保证。该方法能将特征归因分解为直接效应及通过因果后代介导的效应，在合成基准上达到因果 Shapley 值的准确率且计算成本大幅降低。测试显示，CIG 在单细胞基因表达模拟与真实干扰素-β 刺激数据中均能更准确地识别上游驱动转录因子。
来源：arXiv stat.ML · arxiv.org