Imputation Uncertainty in Interpretable Machine Learning Methods
可解释机器学习方法中的填补不确定性
机构 * Leibniz Institute for Prevention Research & Epidemiology – BIPS（预防研究与流行病学研究所） ； Faculty of Mathematics and Computer Science, University of Bremen（数学与计算机科学学院）
AI总结 研究探讨了可解释机器学习方法中不同填补技术对置信区间覆盖概率的影响，发现单一填补会导致方差低估，而多重填补更接近预期覆盖水平。
Comments 19 pages, 15 Figures, accepted at conference: IJCAI 2025 Workshop on Explainable Artificial Intelligence (Montreal, Canada)
