[論文レビュー] A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution

Kazuhiro Hiraki, Shinichi Ishihara+2 more|arXiv (Cornell University)|Feb 28, 2026

Explainable Artificial Intelligence (XAI)被引用数 0

ひとこと要約

論文は SHAP の公理的代替として多項式時間の加法的特徴アトリビューション法 ESENSC_rev2 を提案し、強力な null-player 性と競争力のある精度を示すとともに PA 型解法の分析と公理的基盤を提供する。

ABSTRACT

In this paper, we provide a theoretically grounded and computationally efficient alternative to SHAP. To this end, we study feature attribution through the lens of cooperative game theory by formulating a class of XAI--TU games. Building on this formulation, we investigate equal-surplus-type and proportional-allocation-type attribution rules and propose a low-cost attribution rule, ESENSC_rev2, constructed by combining two polynomial-time closed-form rules while ensuring the null-player property in the XAI--TU domain. Extensive experiments on tabular prediction tasks demonstrate that ESENSC_rev2 closely approximates exact SHAP while substantially improving scalability as the number of features increases. These empirical results indicate that equal-surplus-type attribution rules can achieve favorable trade-offs between computational cost and approximation accuracy in high-dimensional explainability settings. To provide theoretical foundations for these findings, we establish an axiomatic characterization showing that ESENSC_rev2 is uniquely determined by efficiency, the null-player axiom, a restricted differential marginality principle, an intermediate inessential-game property, and axioms that reduce computational requirements. Our results suggest that axiomatically justified and computationally efficient attribution rules can serve as practical and theoretically principled substitutes for SHAP-based approximations in modern explainability pipelines.

研究の動機と目的

• 説明可能な AI シナリオの固有の構造を捉える XAI–TU ゲームとして加法的特徴アトリビューションを形式化する。
• 等余剰と比例型解法概念に基づく計算効率の高い AFAs を開発する。
• ES 型 AFA が意味ある公理の集合を唯一満たすことを公理的に特徴付ける。
• 実データ上で ES 型と PA 型 AFA を SHAP および SHAP の近似と比較する。
• 高次元設定における ES 型 AFA のスケーラビリティと実用性を実証する。

提案手法

• vτ(S)=E[f(xτ,S,XN\S)] を用いて XAI–TU ゲームを定式化する。
• 特徴アトリビューション（AFA）を、特徴間で vτ(N)−vτ(∅) を割り当てる配分として定義する。
• null-player 性を保証する ES、ENSC、ESENSC および2つの修正版 ES–ENSC ルールを開発する。
• PA 型 AFA を導入し、PARPA ルールで順序反転問題に対処する。
• Gately-adj および調整済みルールを代替の比例型 AFA として提案する。
• 効率性、null-player、弱化された微分的限界性、低コヒーレンスの公理を用いて ES 型 AFA を公理的に特徴づける。

Figure 1: Deviation from SHAP (1) neural net model

実験結果

リサーチクエスチョン

• RQ1 ES 型 AFA は SHAP に近い近似を提供しつつ多項式時間計算を実現できるか。
• RQ2 精度とスケーラビリティの観点から ES 型と PA 型アトリビューション規則のトレードオフは何か。
• RQ3 提案された公理は XAI–TU ゲーム設定において ES 型 AFA を唯一決定するのか。
• RQ4 修正版 ESENSC および PARPA ルールは null-player 性と順序保全性に関してどの程度の性能を示すか。

主な発見

• ESENSC_rev2 は正確な SHAP をほぼ再現しつつ、特徴数が増加するにつれてスケーラビリティを大幅に向上させる。
• ES 型 AFA は正確な SHAP（n に対して指数的）よりも評価回数がはるかに少なく済む（多項式）。
• PA 型 AFA は計算効率が高いが、モデルや特徴数により SHAP からの乖離が大きく、順序反転の問題が生じることがある。
• 公理分析により ES 型 AFA は効率性、null-player、制限された微分限界性、中間的不重要ゲーム性、計算削減公理により唯一決定されることが示される。
• 修正版 ESENSC_rev2 ルールは null-player 性を満たし、より広範なゲーム系に適用可能性を拡張する。

Figure 2: Deviation from SHAP (2) XGBoost model