Explicacions contrafactuals
Les explicacions contrafactuals, introduïdes per Wachter, Mittelstadt i Russell el 2017, responen a la pregunta: «Quin és el canvi més petit a l'entrada que hauria produït una sortida de model diferent?» En lloc d'explicar per què un model va prendre una decisió, descriuen què caldria canviar perquè aquesta decisió es revertís, cosa que les fa particularment valuoses per a aplicacions d'alt risc com la qualificació creditícia, el diagnòstic mèdic i les decisions de contractació sota marcs com el GDPR de la UE.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/ca/machine-learning/counterfactual-explanations
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- LIME: Local Interpretable Model-agnostic ExplanationsAprenentatge automàtic↔ compara
- Regressió LogísticaEstadística per a la recerca↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →