Доказанная точность оценки значения Shapley с помощью выборки параметров

arXiv: 2410,01917v3 Annulates Type: заменить кросс-бюллетень: Первоначально введённые в теорию игр, значения Shapley появились как центральный инструмент в объяснимом машинном обучении, где они используются для отождествления прогнозов модели с конкретными вводными элементами. Однако расчет значений Shapley является весьма дорогостоящим: для общей модели с характеристиками в долл. США необходимы оценки моделей в размере 2 000 долларов США. Для решения этой проблемы широко используются аппроксимационные алгоритмы. Одним из наиболее популярных является алгоритм Kernel SHAP, который представляет собой модель агностического и удивительно эффективного на практике. На момент нашего первоначального представления не было известно о каких-либо серьезных гарантиях неасимптотической сложности для Kernel SHAP. Мы решим эту проблему путем введения Leverage SHAP, легкой модификации Kernel SHAP, которая обеспечивает достоверные оценки стоимости Shapley только с оценками модели в размере $O(n\log n) долларов. Наш подход использует связь между оценкой стоимости Шапли и агностическим активным обучением, используя l