跳到正文
原文
arXiv stat.ML· Vincent Lemaire, Fabrice Cl\'erot·· 25 天前AI 评分25

从对数几率到 Shapley 值:加权朴素贝叶斯分类器的解释几何学

From Log-Odds to Shapley Values: An Explanatory Geometry for the Weighted Naive Bayes Classifier

AI 导读

新研究针对加权朴素贝叶斯分类器构建解释空间,提出了基于对数几率(log-odds)的判别式重构方法。该表征所诱导的距离与解析 Shapley 值向量间的 $\ell_1$ 距离完全一致,为模型的几何结构提供了形式化解释。此外,研究还通过 $k$ 近邻分类器实证对比了基于这些表征派生的多种监督距离。

来源:arXiv stat.ML · arxiv.org