RoSHAP은 머신러닝 모델의 특징 기여도 분석 시 발생하는 불확실성을 고려하는 프레임워크입니다. SHAP 지표를 기반으로 특징 순위를 결정하는 RoSHAP은 특징 기여도 점수의 분포를 모델링하고 부트스트랩 재샘플링과 커널 밀도 추정으로 추정합니다.
RoSHAP은 활성적이고 강력하며 안정적인 특징을 동시에 고려하여 특징 순위를 결정하는 기준을 제공하며, 시뮬레이션과 실제 데이터 실험에서 기존 방법보다 성능이 뛰어납니다.
RoSHAP으로 선택된 특징을 사용한 모델은 전체 특징 모델과 유사한 예측 성능을 보이면서도 예측 변수 수를 크게 줄여 모델의 안정성과 해석 가능성을 향상시킵니다.