KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Feature Importance”

SHAP‑IQ: Interaktionsindex entschlüsselt Random‑Forest-Entscheidungen

In diesem Tutorial wird gezeigt, wie man eine fortschrittliche Pipeline zur erklärbaren KI mit SHAP‑IQ aufbaut. Der Fokus liegt darauf, sow…

MarkTechPost 02.03.2026 06:13

cc-Shapley: Multivariate Feature Importance erfordert kausalen Kontext

Ein neues Verfahren namens cc-Shapley, vorgestellt auf arXiv (2602.20396v1), zeigt, dass die herkömmliche Berechnung von Shapley‑Werten für…

arXiv – cs.LG 25.02.2026 05:00

No-Code KI erklärt: Studie zeigt, wie Erklärungen Vertrauen stärken

Mit dem rasanten Einsatz von Machine‑Learning‑Modellen in Bereichen wie Gesundheit, Finanzen und öffentlicher Politik wächst die Forderung…

arXiv – cs.AI 13.02.2026 05:00

Neues erklärbares Deep-Learning-Modell liefert präzise ADHD-Diagnose

Ein neu entwickeltes, erklärbares Deep-Learning-Framework verspricht, die Diagnose von Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS…

arXiv – cs.LG 04.02.2026 05:00

Neuer Ansatz zur Feature‑Bedeutung: Counterfactual Importance Distribution (CID)

In der Welt des maschinellen Lernens ist es entscheidend, die Bedeutung einzelner Merkmale zu verstehen, um die Entscheidungsprozesse von M…

arXiv – cs.LG 20.11.2025 05:00

Neue Feature‑Score‑Methoden nutzen Shapley‑Wert und Banzhaf‑Index <p>In der Welt der erklärbaren KI (XAI) sind spieltheoretische Feature‑Attributionen allgegenwärtig. Sie helfen dabei, die Entscheidungen von Machine‑Learning‑Modellen nachvollziehbar zu machen.</p> <p>Viele aktuelle Ansätze konzentrieren sich auf schwache abductive Erklärungen (WAXp) als Charakteristikwahrscheinlichkeit. Dabei werden jedoch nicht‑WAXp‑Sätze oft übersehen, obwohl sie wichtige Informationen enthalten können – insbesondere

arXiv – cs.AI 19.08.2025 05:00