arXiv 机器学习· Fabian Galis, Darian Onchis, Pedro Real Jurado·· 3 小时前AI 评分35
$\Psi$-Resilience：基于一维拓扑信号的无模型特征重要性方法
$\Psi$-Resilience: Model-Free Feature Importance from 1D Topological Signals
AI 导读
研究者提出无模型特征重要性评估方法 $\Psi$-Resilience，通过类别条件密度差异构建一维拓扑信号，利用 0 维持续性直接从数据中提取可审计的特征重要性评分。在合成数据集上，该方法特征排序的 Spearman 秩相关系数最高达 0.8，表现媲美 SHAP 与互信息等方法。在真实数据集上其与现有方法的相关性高达 0.9，无需预测模型即可实现分布级审计。
来源：arXiv 机器学习 · arxiv.org