Контрафактуални обяснения
Контрафактуалните обяснения, въведени от Вахтер, Мителщат и Ръсел през 2017 г., отговарят на въпроса: „Каква е най-малката промяна във входа, която би довела до различен изход от модела?“ Вместо да обясняват защо моделът е взел решение, те описват какво трябва да се промени, за да се обърне това решение, което ги прави особено ценни за високорискови приложения като кредитно скориране, медицинска диагностика и решения за наемане на работа в рамките на системи като Общия регламент за защита на данните на ЕС.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Wachter, S., Mittelstadt, B., & Russell, C. (2017). Counterfactual explanations without opening the black box: Automated decisions and the GDPR. Harvard Journal of Law & Technology, 31, 841–887. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/bg/machine-learning/counterfactual-explanations
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- LIME: Локално интерпретируеми моделно-независими обясненияМашинно обучение↔ сравняване
- Логистична регресияСтатистика за изследвания↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →