shap·general

SHAP

别名
首次出现
2026-05-22
最近出现
2026-07-21
累计提及
19
§ 01综述

SHAP 近期进展

SHAP(SHapley Additive exPlanations)是一种用于解释机器学习模型决策过程的工具,通过模拟每个特征对模型输出的贡献来提供解释。近期,SHAP在各个领域的应用研究呈现出快速增长的趋势。

SHAP 近期进展

  • 可解释机器学习用于空气污染与呼吸健康预测:社会经济亚组分析 - 研究者利用SHAP分析了社会经济亚组对空气污染和呼吸健康的影响,发现模型对特定亚组的预测能力较强。
  • 基于ChEMBL/RDKit/SHAP/BRICS的Scaffold-Split随机森林QSAR模型 - 该研究提出了一种基于SHAP的QSAR模型,用于药物发现。
  • 用XAI分析欧洲电力市场的驱动因素与相互依赖关系 - 研究者使用XAI技术,包括SHAP,来分析欧洲电力市场的驱动因素和相互依赖关系。
  • 当前焦点与观察点

    SHAP在机器学习模型可解释性方面的应用日益广泛,其关注点包括如何提高解释的准确性和可理解性。同时,SHAP与其他XAI技术的结合成为研究热点。

    § 02相关报道10 条在档
    1. 01
      可解释机器学习用于空气污染与呼吸健康预测:社会经济亚组分析
      arXiv cs.LG
    2. 02
      论文:结合区块链数据与推文情绪分析比特币市场情绪,XGBoost F1约0.84
      arXiv cs.LG
    3. 03
      深度学习模型在NWP误差下光伏功率预测的鲁棒性分析
      arXiv cs.LG
    4. 04
      物理一致参数推断:高能物理与宇宙学中的透明机器学习仿真
      arXiv cs.LG
    5. 05
      ECGLight:轻量计算框架实现纸质心电图数字化与心梗筛查
      arXiv cs.LG
    6. 06
      基于ChEMBL/RDKit/SHAP/BRICS的Scaffold-Split随机森林QSAR模型
      marktechpost
    7. 07
      用XAI分析欧洲电力市场的驱动因素与相互依赖关系
      arXiv cs.LG
    8. 08
      解释卡(Explanation Cards)连接解释算法与现实世界
      arXiv cs.LG
    9. 09
      LLM增强XAI框架:用互特征交互生成可解释网络AI
      arXiv cs.LG
    10. 10
      可解释强化学习揭示湍流减阻节能策略
      arXiv cs.AI
    § 03邻近话题

    本页综述由 AITOP 基于公开报道整理。原报道版权归各自来源所有。

    /topic/SHAP