待验证50% 置信事实精确时间
在同样的交互模型中，Shapley值给两个特征各5分，总和10分，匹配预测值。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证LIME通过在输入样本周围生成扰动数据集训练局部线性近似模型来解释单次预测，SHAP基于博弈论Shapley值提供特征归因，两者均为模型无关技术72% 相似待验证SHAP的核心思想是将每个特征对模型预测的贡献量化，使得所有特征贡献之和等于模型预测值与基线值的差71% 相似待验证Shapley值可以通过阶乘公式、排列平均、Möbius反演三种独立算法计算并得到一致结果。70% 相似已验证SHAP基于博弈论中的Shapley值，能够量化每个特征对最终预测结果的贡献度，是目前工业界应用最广泛的解释性工具之一70% 相似待验证SHAP值通过博弈论中的沙普利值方法量化每个特征对单一预测结果的贡献度，LIME通过在预测点附近构建局部线性近似模型解释个案决策69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1005569API
curl https://kongchang.com/api/v1/knowledge/claims/1005569MCP
get_claim(id=1005569)