文件名称：shapley_moebius
文件大小：6KB
文件格式：ZIP
更新时间：2024-03-29 00:03:49
Python
莫比乌斯逆线的Shapley效果 在此仓库中，我实现了Plischke，Rabitti和Borgonovo（2020）的算法5.1。 实现方式取决于模型输入是否相关。 我将算法从MATLAB转换为Python，并实现了相应的测试用例。 Shapley效果 Owen（2014）引入了Shapley效应作为敏感性度量。 它们产生关于被认为是黑匣子的模型的输入-输出关系的信息。 例如，只能通过数值方法求解的模型没有解析解。 因此，不清楚输出如何取决于输入。 敏感性分析试图阐明这种关系。 Shapley效应有助于减少每个输入的输出方差。 Shapley效果合并了由于交互作用和输入依赖性而产生的效果。 致谢 感谢Elmar Plischke博士为我提供了针对独立和独立输入的算法5.1的MATLAB实现。 参考 Plischke，Elmar，Giovanni Rabitti，Emanuele Borg
【文件预览】：
shapley_moebius-main
----test_shapley_moebius.py(6KB)
----environment.yml(187B)
----README.md(1KB)
----.pre-commit-config.yaml(989B)
----auxiliary_functions.py(644B)
----.gitignore(202B)
----shapley_moebius.py(3KB)