研究者提出Ψ-Resilience无模型特征重要性方法

Fabian Galis、Darian Onchis和Pedro Real Jurado提出Ψ-Resilience，一种无需预测模型的特征重要性方法。该方法通过估计类条件密度并沿特征轴取逐点绝对差构建类分歧景观，再用该一维信号的0维持续同调定义韧性泛函，聚合在用户设定稳健尺度内幸存的拓扑特征。 在具有已知真实重要性的合成数据上，其Spearman秩相关最高达0.8，与SHAP、互信息等方法表现相当；在无真实标签的真实数据集上相关性最高达0.9。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。