Machine learningExplainable AI
הסברים קונטרפקטואליים (הסברי "אילו היה קורה אחרת")
הסברים קונטרפקטואליים, שהוצגו על ידי וכטר, מיטלשטאדט וראסל בשנת 2017, עונים על השאלה: 'מהו השינוי הקטן ביותר בקלט שהיה מביא לתפוקת מודל שונה?' במקום להסביר מדוע מודל קיבל החלטה, הם מתארים מה היה צריך להשתנות כדי שההחלטה תתהפך, מה שהופך אותם לבעלי ערך במיוחד עבור יישומים בעלי סיכון גבוה כגון ניקוד אשראי, אבחון רפואי והחלטות גיוס תחת מסגרות כמו ה-GDPR של האיחוד האירופי.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/he/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: הסברים מפורשים מקומיים שאינם תלויים במודללמידת מכונה↔ compare
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare