Machine learningExplainable AI

কাউন্টারফ্যাকচুয়াল ব্যাখ্যা (Counterfactual Explanations)

কাউন্টারফ্যাকচুয়াল ব্যাখ্যা, যা ২০১৭ সালে Wachter, Mittelstadt, এবং Russell কর্তৃক প্রবর্তিত হয়েছিল, এই প্রশ্নের উত্তর দেয়: 'মডেলের আউটপুট পরিবর্তন করার জন্য ইনপুটের ক্ষুদ্রতম পরিবর্তন কী?' মডেল কেন একটি সিদ্ধান্ত নিয়েছে তা ব্যাখ্যা করার পরিবর্তে, তারা বর্ণনা করে যে সেই সিদ্ধান্তটি বিপরীত করার জন্য কী পরিবর্তন করতে হবে, যা তাদের বিশেষভাবে উচ্চ-ঝুঁকিপূর্ণ অ্যাপ্লিকেশন যেমন ক্রেডিট স্কোরিং, চিকিৎসা নির্ণয় এবং EU GDPR-এর মতো কাঠামোর অধীনে নিয়োগের সিদ্ধান্তের জন্য মূল্যবান করে তোলে।

MethodMind-এ খুলুনশীঘ্রইভিডিওশীঘ্রইDownload slides

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

Method map

The neighbourhood of related methods — select a node to explore.

কাউন্টারফ্যাকচুয়াল ব্যাখ্যা (Counterfactual Explanations)
LIME (স্থানীয় ব্যাখ্যায…লজিস্টিক রিগ্রেশন

উৎস

  1. 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

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/bn/machine-learning/counterfactual-explanations

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

যেখানে উদ্ধৃত

ScholarGateCounterfactual Explanations (Counterfactual Explanations). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/machine-learning/counterfactual-explanations · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026