조건부 샤플리 값으로 모델 투명성을 높이는 shapr 패키지

초록

**
shapr는 R과 Python에서 조건부 샤플리 값을 효율적으로 계산하도록 설계된 패키지이다. 모델‑agnostic 커널SHAP을 기반으로 다양한 조건부 기대값 추정 방법(Monte Carlo, 회귀, 베이지안 등)을 제공하고, 특수히 시계열 예측, 인과·비대칭 샤플리 값, 병렬 연산 및 시각화 기능을 포함한다. 기존 shap·shapiq 등은 주로 주변값(마진) 샤플리를 제공하지만, shapr는 특징 의존성을 반영한 조건부 샤플리를 강조한다.

**

상세 분석

**
본 논문은 샤플리 값의 두 가지 해석적 차이를 명확히 구분한다. 마진 샤플리(v ₘₐᵣ𝓰) 는 특징 간 독립성을 가정하고 (v_{\text{marg}}(S)=\mathbb{E}_{X_S}