Kontrafaktuální vysvětlení
Kontrafaktuální vysvětlení, zavedená Wacheterem, Mittelstadtem a Russellem v roce 2017, odpovídají na otázku: „Jaká je nejmenší změna vstupu, která by vedla k odlišnému výstupu modelu?“ Namísto vysvětlování, proč model učinil určité rozhodnutí, popisují, co by se muselo změnit, aby se toto rozhodnutí zvrátilo, což je činí obzvláště cennými pro aplikace s vysokými sázkami, jako je hodnocení úvěruschopnosti, lékařská diagnostika a rozhodování o přijímání zaměstnanců v rámci regulací, jako je nařízení EU GDPR.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/cs/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.
- LIME: Lokálně interpretovatelné agnostické vysvětlení modelůStrojové učení↔ compare
- Logistická regreseStatistika ve výzkumu↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →