Kontrafaktiske Forklaringer
Kontrafaktiske forklaringer, introduceret af Wachter, Mittelstadt og Russell i 2017, besvarer spørgsmålet: 'Hvad er den mindste ændring i inputtet, der ville have produceret et andet modeloutput?' I stedet for at forklare, hvorfor en model traf en beslutning, beskriver de, hvad der skulle ændres, for at beslutningen blev omgjort, hvilket gør dem særligt værdifulde til højrisikoapplikationer som kreditvurdering, medicinsk diagnose og ansættelsesbeslutninger under rammer som EU's GDPR.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/da/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: Local Interpretable Model-agnostic ExplanationsMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →