表格数据上神经网络的因果解释

本文解决了解释神经网络决策的关键问题，特别是对于表格数据，其可解释性通常是一个挑战。它提出了一种新方法CENNET，利用结构因果模型（SCM）来提供因果解释，旨在超越简单的相关性并解决诸如伪相关性之类的问题。将SCM与NN结合使用是一个关键贡献，因为由于准确性限制，SCM通常不用于预测。本文对表格数据的关注以及新解释力指标的开发也很重要。

• •提出了CENNET，一种为表格数据上的神经网络提供因果解释的新方法。
• •将神经网络与结构因果模型（SCM）相结合，以解决诸如伪相关性之类的问题。
• •引入了一个使用熵的新解释力指标。
• •侧重于提高神经网络预测的可解释性，特别是对于表格数据。