PUB - Publikationen an der Universität Bielefeld

Alle markieren

• [7]
  

  2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2988165

  Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2024): Beyond TreeSHAP: Efficient Computation of Any-Order Shapley Interactions for Tree Ensembles Proceedings of the AAAI Conference on Artificial Intelligence,38:(13): 14388-14396.

  PUB | DOI
   
• [6]
  

  2023 | Konferenzbeitrag | PUB-ID: 2987580

  Fumagalli, F.; Muschalik, M.; Kolpaczki, P.; Hüllermeier, E.; Hammer, B. (2023): SHAP-IQ: Unified Approximation of any-order Shapley Interactions. In: Advances in Neural Information Processing Systems 36 (NeurIPS 2023).

  PUB | Download (ext.) | arXiv
   
• [5]
  

  2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2983756

  Fumagalli, F.; Muschalik, M.; Hüllermeier, E.; Hammer, B. (2023): On Feature Removal for Explainability in Dynamic Environments. In: ESANN 2023 proceedings. S. 83-88.

  PUB | DOI
   
• [4]
  

  2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983943

  Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2023): iSAGE: An Incremental Version of SAGE for Online Explanation on Data Streams. In: Danai Koutra; Claudia Plant; Manuel Gomez Rodriguez; Elena Baralis; Francesco Bonchi (Hrsg.): Machine Learning and Knowledge Discovery in Databases: Research Track. European Conference, ECML PKDD 2023, Turin, Italy, September 18–22, 2023, Proceedings, Part III. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 428-445.

  PUB | DOI
   
• [3]
  

  2023 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2983727

  Fumagalli, F.; Muschalik, M.; Hüllermeier, E.; Hammer, B. (2023): Incremental permutation feature importance (iPFI): towards online explanations on data streams Machine Learning

  PUB | DOI | WoS
   
• [2]
  

  2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983942

  Muschalik, M.; Fumagalli, F.; Jagtani, R.; Hammer, B.; Hüllermeier, E. (2023): iPDP: On Partial Dependence Plots in Dynamic Modeling Scenarios. In: Luca Longo (Hrsg.): Explainable Artificial Intelligence. First World Conference, xAI 2023, Lisbon, Portugal, July 26–28, 2023, Proceedings, Part I. Cham: Springer Nature Switzerland. (Communications in Computer and Information Science, ). S. 177-194.

  PUB | DOI
   
• [1]
  

  2022 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2964421

  Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2022): Agnostic Explanation of Model Change based on Feature Importance KI - Künstliche Intelligenz

  PUB | DOI | Download (ext.) | WoS