Shapley value in explainable machine learning

Praca dotyczy wartości Shapleya w dwóch różnych dziedzinach: teorii gier oraz uczeniu maszynowym. Pierwszy rozdział jest pomocniczy i zawiera twierdzenia wykorzystywane w późniejszych dowodach. W drugim rozdziale przedstawiona została teoria niezbędna do wyprowadzenia wartości gry kooperacyjnej zwanej wartością Shapleya. Kolejny z rozdziałów poświęcony jest wyjaśnialnemu uczeniu maszynowemu, do którego została przeniesiona ta wartość jako jedna z metod interpretowania predykcji modeli - została ona zdefiniowana w rozdziale czwartym zarówno dla modeli ciągłych, jak i klasyfikatorów. Ponadto zaproponowano algorytm przybliżający wartość Shapleya w przypadku modeli klasyfikujących, który został zaimplementowany w języku Python, a jego działanie wraz z algorytmem będącym pewną jego modyfikacją opisane jest w ostatnim rozdziale pracy, gdzie znajduje się też porównanie dokładności i czasu wykonania obu algorytmów.

This thesis is concerned with the Shapley value in two areas: game theory and machine learning. The first chapter is auxiliary and contains theorems used in subsequent proofs. In the second chapter a theory was presented that is essential to derive the value of a cooperative game named Shapley value. The next chapter is dedicated to explainable machine learning, to which this value has been transferred as one of the methods of interpreting models' predictions - it has been defined in fourth chapter for both continuous models as well as classifiers. Moreover, an algorithm has been proposed to approximate the Shapley value in case of classification models, which has been implemented in Python and its performance along with an algorithm being its slight modification is described in the last chapter of this thesis, where we can find the comparison of accuracy and execution time of two algorithms.