Explicaciones Contrafactuales
Las explicaciones contrafactuales, introducidas por Wachter, Mittelstadt y Russell en 2017, responden a la pregunta: '¿Cuál es el cambio mínimo en la entrada que habría producido una salida diferente del modelo?' En lugar de explicar por qué un modelo tomó una decisión, describen qué tendría que cambiar para que esa decisión se revierta, lo que las hace particularmente valiosas para aplicaciones de alto riesgo como la calificación crediticia, el diagnóstico médico y las decisiones de contratación en marcos como el RGPD de la UE.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/es/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: Explicaciones Locales Interpretables Agnósticas al ModeloAprendizaje automático↔ compare
- Regresión LogísticaEstadística para la investigación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →