Proxy-Based Approximation of Shapley and Banzhaf Interactions
基于代理模型的Shapley与Banzhaf交互高效近似方法
🧭 可解释性 · 交互指数近似
LMU Munich · Warsaw University of Technology · University of Warsaw · Claremont McKenna College · Bielefeld University
提出ProxySHAP，通过树代理模型与残差校正实现快速且一致的交互指数估计，达到SOTA性能。
📌 工作参考价值（4 点）
- 在推荐系统模型解释与调试中，可采用树代理模型快速近似高阶特征交互，识别影响预测的关键特征组合，指导特征工程与交叉特征设计。
- 利用论文中多项式时间交互计算算法，可在树集成模型（如GBDT）中高效计算精确交互值，直接应用于CTR预估模型的特征重要性分析。
- MSR残差校正策略提供了一种在代理模型偏差与方差之间权衡的方法，可借鉴到其他需要代理估计的场景（如模型蒸馏、数据估值），避免方差指数增长。
- 实验表明ProxySHAP在小样本预算下仍能高精度近似，这对在线推理阶段需要快速解释推荐结果、生成可解释性理由的场景有实用价值。