Datapedia
Machine Learning

SHAP (valores de Shapley)

Técnica de interpretabilidad que asigna a cada variable de una predicción individual una contribución numérica, basada en conceptos de teoría de juegos.

InterpretabilidadExplicabilidad

SHAP (SHapley Additive exPlanations) adapta un concepto de teoría de juegos —cómo repartir de forma justa las ganancias entre los participantes de una colaboración— para asignar a cada variable de entrada una contribución específica y consistente sobre cuánto influyó en una predicción individual concreta.

A diferencia de otras técnicas de interpretabilidad, SHAP ofrece garantías matemáticas sólidas sobre cómo se reparte esa contribución entre variables, y puede aplicarse a prácticamente cualquier tipo de modelo, desde árboles de decisión hasta redes neuronales complejas.

Términos relacionados

Machine Learning

Importancia de características

Medida que indica cuánto contribuye cada variable de entrada a las predicciones de un modelo, ayudando a entender e interpretar su comportamiento.

Leer másMachine Learning

LIME

Técnica de interpretabilidad que explica una predicción individual de un modelo complejo, aproximándola localmente con un modelo mucho más simple e interpretable.

Leer más