待验证50% 置信事实精确时间
对树模型（如随机森林、XGBoost），SHAP 计算效率极高，并能生成特征重要性排序图、依赖图与蜂群图
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证在TreeSHAP加速算法支持下，SHAP对随机森林、XGBoost等树模型的计算效率达到多项式级别85% 相似待验证对于基于梯度提升树（如XGBoost）的传统机器学习模型，SHAP值、LIME等可解释性工具已相当成熟73% 相似待验证Tree-of-Thought允许模型同时展开多条推理路径，从中筛选出最优执行路径68% 相似待验证Bonsai算法将传统决策树与稀疏投影相结合，能在RAM仅2KB的Arduino级微控制器上完成实时推理，并实现与随机森林相当的分类精度66% 相似待验证决策树的信息增益基于信息熵衡量特征对数据集的划分能力，这一思想延伸到随机森林和梯度提升树等集成学习方法65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507929API
curl https://kongchang.com/api/v1/knowledge/claims/507929MCP
get_claim(id=507929)