Why Groups Matter: Necessity of Group Structures in Attributions
创建于 更新于
摘要
本报告聚焦金融领域中机器学习模型特征的自然群组结构，提出并理论化了群组归因方法（GShap），强调在存在群组结构时传统归因方法（如Shapley值和Integrated Gradients）可能导致不一致解释，进而系统论证包括群组仿射不变性、线性分式变换不变性及群组单调性等金融领域重要公理，并基于实际信贷评分数据验证GShap能更好地保持金融领域知识驱动的合理性，保障解释的一致性和可靠性[page::0][page::6][page::8]。
