TempShap：时间序列预测的单元格级Shapley归因框架
热点事件持续更新
TempShap：时间序列预测的单元格级Shapley归因框架
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Chi Zhao 等作者提出 TempShap，一个基于损失的回顾式 Shapley 归因框架，把输入窗口中的每个单元格 (t,i) 当作博弈参与者，输出可定位时间与预测期影响强度的归因张量。 该方法通过置换共享，以局部扰动成本估计单元格级博弈；作者称，在冗余输入下它比逐特征打分更能保留总价值，并在均值掩码下获得更可靠的留出删除排序。 作者报告，该方法在多种 Shapley 估计器、预测基准和模型族上均表现出删除排序优势。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
TempShap：时间序列预测中特征何时起作用、影响多大报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AITempShap：时间序列预测中特征何时起作用、影响多大
TempShap 是一个基于损失的回顾式 Shapley 框架，把输入窗口中的每个单元格 (t,i) 作为博弈参与者，输出可定位时间与预测期影响强度的归因张量。它通过置换共享以局部扰动成本估计单元格级博弈，在冗余输入下比逐特征打分保留总价值，并在均值掩码下获得更可靠的留出删除排序。实验显示该方法在多种 Shapley 估计器、预测基准和模型族上均具删除排序优势。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。