待验证50% 置信事实精确时间
归因分析常用手段有Shapley值、反事实推理和特征重要性排序，在预测函数中常以贡献度排名或驱动因子列表形式呈现。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证研究者使用SHAP（Shapley Additive Explanations）分析传统分类器以识别驱动预测决策的关键特征80% 相似待验证SHAP用于特征归因（解释每个特征对预测的贡献度），DiCE用于生成多样化的反事实样本，二者互补77% 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一73% 相似待验证SHAP值和LIME是常用的局部可解释性方法，能够量化每个特征对单次决策的贡献度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
引用此条事实
Stable URI
https://kongchang.com/claim/1032596API
curl https://kongchang.com/api/v1/knowledge/claims/1032596MCP
get_claim(id=1032596)