Spiegazioni Controfattuali
Le spiegazioni controfattuali, introdotte da Wachter, Mittelstadt e Russell nel 2017, rispondono alla domanda: 'Qual è la minima modifica all'input che avrebbe prodotto un output diverso del modello?' Piuttosto che spiegare perché un modello ha preso una decisione, descrivono cosa dovrebbe cambiare affinché tale decisione venga invertita, rendendole particolarmente preziose per applicazioni ad alto rischio come lo scoring del credito, la diagnosi medica e le decisioni di assunzione nell'ambito di normative come il GDPR dell'UE.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/it/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 ExplanationsApprendimento automatico↔ compare
- Regressione LogisticaStatistica per la ricerca↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →