DAG-SHAP는 복잡한 특성 상호작용과 인과 관계가 있는 상황에서 Shapley 값 기반 특성 귀속의 한계를 극복하기 위해 엣지 개입(edge intervention)에 기반한 새로운 귀속 방법이다. 기존 방법은 개별 특성에만 중요도를 부여하는 노드 중심 관점을 취해 특성의 외부효과와 외생적 영향을 동시에 포착하지 못해 비합리적 해석을 낳는다. DAG-SHAP는 각 특성 엣지를 개별 귀속 대상으로 다뤄 외부효과와 외생적 기여를 모두 적절히 포착한다. 효율적 계산을 위한 근사 방법도 함께 제시하며, 실제·합성 데이터셋의 광범위한 실험으로 효과를 입증한다.
- •인과 DAG에서 엣지 개입에 기반한 특성 귀속 방법 DAG-SHAP 제안
- •노드 중심 기존 방법이 외부효과·외생적 영향을 동시에 못 잡는 한계 지적
- •각 특성 엣지를 개별 귀속 대상으로 삼아 두 기여를 모두 포착
- •효율적 계산을 위한 근사 방법 제시, 실제·합성 데이터셋서 효과 입증
Feature Attribution in Directed Acyclic Graphs Using Edge Intervention
본문 미리보기
arXiv:2606.15273v1 Announce Type: new Abstract: Shapley value-based feature attribution methods face challenges in scenarios involving complex feature interactions and causal relationships, even when a causal structure is provided. Existing methods typically adopt a node-centric view, attributing importance solely to individual features. Consequently, they often fail to simultaneously capture the externality and exogenous influence of features, leading to unreasonable interpretations. To overco
전체 내용이 궁금하다면?
원문을 직접 읽어보세요