Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
Unverified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% similarUnverified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% similarUnverifiedTree-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% similarUnverifiedBonsai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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/507929API
curl https://kongchang.com/api/v1/knowledge/claims/507929MCP
get_claim(id=507929)