torch_geometric.explain.metric.unfaithfulness
- unfaithfulness(explainer: 解释器, explanation: Explanation, top_k: Optional[int] = None) float[source]
评估
Explanation对底层GNN预测器的忠实度，如“评估图神经网络的可解释性”论文中所述。特别是，图解释不忠实度指标被定义为
\[\textrm{GEF}(y, \hat{y}) = 1 - \exp(- \textrm{KL}(y || \hat{y}))\]其中 \(y\) 指的是从原始图获得的预测概率向量，而 \(\hat{y}\) 指的是从掩码子图获得的预测概率向量。最后，Kullback-Leibler (KL) 散度得分量化了两个概率分布之间的距离。