待验证50% 置信事实精确时间
SHAP用于特征归因（解释每个特征对预测的贡献度），DiCE用于生成多样化的反事实样本，二者互补
1
来源数
50%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
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一69% 相似待验证循环论证偏差指当特征本身隐含标签信息时模型看似准确率极高实则用答案预测答案67% 相似待验证SHAP值通过博弈论中的沙普利值方法量化每个特征对单一预测结果的贡献度，LIME通过在预测点附近构建局部线性近似模型解释个案决策63% 相似待验证对树模型（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60% 相似待验证可说明性（Explainability）催生了LIME、SHAP等事后归因方法，面向外部用户回答为什么模型给出该输出60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/790034API
curl https://kongchang.com/api/v1/knowledge/claims/790034MCP
get_claim(id=790034)