待验证50% 置信事实精确时间
论文针对加权朴素贝叶斯给出了Shapley值的解析形式（无需采样的封闭解析解）
1
来源数
50%
置信度
长期有效
时效性
2026/10/9
首次发现
来源
涉及实体
相关事实
待验证SHAP由Scott Lundberg于2017年在NeurIPS论文中提出，是唯一同时满足局部准确性、缺失性和一致性三个公理的归因方法64% 相似待验证论文开发了即使在归一化常数不可解情况下仍适用的极大似然推断方法63% 相似待验证Shapley值满足效率性、对称性、虚拟性和可加性四条公理，被认为是理论上最公平的特征归因方式61% 相似已验证SHAP（SHapley Additive exPlanations）由 Lundberg 与 Lee 于 2017 年提出，基于合作博弈论中的 Shapley 值原理60% 相似待验证SHAP的理论基础来自合作博弈论中的Shapley值概念，由诺贝尔经济学奖得主Lloyd Shapley于1953年提出，2017年Lundberg和Lee将其引入机器学习领域59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/990777API
curl https://kongchang.com/api/v1/knowledge/claims/990777MCP
get_claim(id=990777)