# Wycena danych wartością Shapleya (Data Shapley)

EN: **Data Shapley valuation** · id `datashapley` · aliases: Data Shapley, data valuation with Shapley values, wycena danych wartością Shapleya

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Dane dla AI](https://aiatlasgraph.com/t/data.md) › [Atrybucja i wycena danych treningowych](https://aiatlasgraph.com/t/datavaluation.md) › Wycena danych wartością Shapleya (Data Shapley)

## Description

- PL: Wartość Shapleya z kooperacyjnej teorii gier zastosowana do przykładów treningowych, szacowana próbkowaniem Monte Carlo lub gradientowo.
- EN: The cooperative-game Shapley value applied to training examples, estimated by Monte Carlo sampling or gradient methods.

## In one sentence

- PL: Przypisywanie każdemu przykładowi treningowemu wartości według tego, ile średnio poprawia model w różnych zestawach danych.
- EN: Assigning each training example a value by how much it improves the model on average across many data mixes.

## Problem it solves

- PL: Nie wiadomo, za które dane warto płacić, a które psują model, bo wkład jednego przykładu zależy od reszty zbioru.
- EN: It is unclear which data is worth paying for and which harms the model, because one example's value depends on the rest.

## What it does

- PL: Jak podział nagrody w drużynie: sprawdza, ile wynik rośnie, gdy przykład dołącza do różnych losowych składów.
- EN: Like splitting a team prize: it checks how much the score rises when an example joins many random line-ups.

## Everyday example

- PL: Szpital sprzedający dane do modelu diagnostycznego dostaje rozliczenie, które rekordy pomogły, a które były błędne.
- EN: A hospital selling data for a diagnostic model gets a breakdown of which records helped and which were faulty.

## This concerns you if you…

- PL: kupujesz lub sprzedajesz dane do trenowania
- PL: chcesz odchudzić zbiór bez utraty jakości
- EN: buy or sell data for training
- EN: want to slim a dataset without losing quality

## Keywords

TMC-Shapley · KNN-Shapley · Beta Shapley · Data Banzhaf · OpenDataVal · leave-one-out

## How it works

- PL: Wynik modelu na zbiorze walidacyjnym traktuje się jak wypłatę koalicji przykładów. Wartość przykładu to średni przyrost wyniku po dodaniu go do losowych permutacji danych; w praktyce próbkuje się permutacje z obcinaniem albo używa przybliżeń, np. dla k-najbliższych sąsiadów. Niska wartość wskazuje odstające lub uszkodzone przykłady.
- EN: Model performance on a validation set is treated as the payoff of a coalition of examples. An example's value is its average marginal gain when added to random data permutations; in practice truncated permutation sampling or approximations such as k-nearest-neighbour are used. Low values flag outliers and corrupted examples.

## Limits

- PL: Dokładne obliczenie wymaga wykładniczo wielu treningów, więc przybliżenia są kosztowne i szumne. Wartość zależy od wybranego modelu i metryki, a nie jest obiektywną ceną rynkową danych.
- EN: Exact computation needs exponentially many trainings, so approximations are costly and noisy. The value depends on the chosen model and metric and is not an objective market price for data.

## Key terms

- PL: **wkład krańcowy**: O ile poprawia się wynik, gdy dodamy jeden przykład do zbioru.
- PL: **Monte Carlo**: Szacowanie średniej przez losowanie wielu przypadków zamiast liczenia wszystkich.
- EN: **marginal contribution**: How much the score improves when one example is added.
- EN: **Monte Carlo**: Estimating an average by sampling many cases instead of enumerating all.

## Know first

- [Gry kooperacyjne i wartość Shapleya (Cooperative games and the Shapley value)](https://aiatlasgraph.com/t/shapleyvalue.md)

## Related topics

Untyped, symmetric "see also" links.

- [Selekcja danych do dostrajania (Selecting data for fine-tuning)](https://aiatlasgraph.com/t/finetuneselection.md)

## Sources

- [Data Shapley: Equitable Valuation of Data for Machine Learning](<https://arxiv.org/abs/1904.02868>) `ghorbani-zou-2019-datashapley` · by Amirata Ghorbani, James Zou

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/datashapley · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30