首页/数据集/SHAP feature importance ranking.

SHAP feature importance ranking.

Figshare2026-02-12 更新2026-04-28 收录

模型可解释性

特征重要性分析

数据链接：

https://figshare.com/articles/dataset/_p_SHAP_feature_importance_ranking_p_/31327961 数据链接链接失效反馈

官方服务：

资源简介：

Full ranked list of mean SHAP values for all features, supporting Table 13. (CSV)

应用场景：

创建时间：

2026-02-12

模型可解释性

广告分析

该数据集名为著名广告标语——NLA激活分析（Qwen2.5-7B，第20层），旨在探究语言模型在读取著名广告标语时的内部表示。它使用自然语言自编码器（NLA）将Qwen2.5-7B-Instruct模型在第20层最后一个token的残差流激活解码为自然语言描述。数据集包含约146条著名广告标语（源自维基百科，附有品牌、年份和上下文信息），每条标语都对应一个由AV生成的英文解释（描述模型对该标语的表

Hugging Face2026-05-27 更新70

Importance coefficient and ranking of features in LDA model.

线性判别分析特征选择

模型可解释性

Importance coefficient and ranking of features in LDA model.

Figshare2022-03-24 更新50

OpenXAI

模型可解释性

事后解释方法

Pre-trained models and datasets for benchmarking post hoc explanation methods

NIAID Data Ecosystem30

Model parameter feature importances as estimated by a random forest regression over a broad survey of the parameter space.