Machine learningExplainable AI
반사실적 설명
Wachter, Mittelstadt, 및 Russell이 2017년에 소개한 반사실적 설명은 '모델 출력을 다르게 만들었던 입력의 최소 변경은 무엇인가?'라는 질문에 답합니다. 모델이 결정을 내린 이유를 설명하는 대신, 해당 결정을 뒤집기 위해 무엇이 변경되어야 하는지를 설명하므로, EU GDPR과 같은 프레임워크 하에서 신용 점수 산정, 의료 진단, 채용 결정과 같은 고위험 애플리케이션에 특히 유용합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →