已验证75% 置信事实精确时间
SHAP（SHapley Additive exPlanations）是主流的机器学习模型解释框架，理论基础源自博弈论中的Shapley值
3
来源数
75%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
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一81% 相似待验证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77% 相似已验证LIME（局部可解释模型无关解释）和SHAP（Shapley加性解释值）是为复杂黑箱模型提供事后解释的主要工具70% 相似待验证SHAP和LIME是应对算法可解释性挑战的事后解释技术69% 相似待验证SHAP和LIME都是事后（post-hoc）解释框架，不改变模型本身，而是在预测完成后再生成解释69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/528821API
curl https://kongchang.com/api/v1/knowledge/claims/528821MCP
get_claim(id=528821)