基于Shapley值的分类预测模型变量筛选方法改进

摘要：

在分类预测模型的自变量间存在交互效应时,传统Shapley值法的可加性无法满足,造成变量筛选效果变差,导致分类模型的预测精度降低.针对此问题,文章提出使用稳健独立成分分析,从原始数据中估计出具有独立性的数据集并对其进行Shapley值分解,从而提高变量筛选的准确度.统计模拟与实证分析的结果表明,改进后的方法在变量筛选上的表现优于传统Shapley值法.

关键词：分类预测模型、变量筛选、Shapley值法、稳健独立成分分析

所属期刊栏目：39

分类号：O21(概率论与数理统计)

资助基金：国家自然科学基金71963008

在线出版日期：2023-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-42