Kontrafaktiskās skaidrojumu metodes
Kontrafaktiskās skaidrojumu metodes, ko 2017. gadā ieviesa Vachter, Mītelštats un Rasels, atbild uz jautājumu: 'Kādas ir minimālās izmaiņas ievadā, kas radītu citu modeļa izvadi?' Tā vietā, lai skaidrotu, kāpēc modelis pieņēma lēmumu, tās apraksta, kas būtu jāmaina, lai šo lēmumu atceltu, padarot tās īpaši vērtīgas augsta riska lietojumprogrammās, piemēram, kredītreitingā, medicīniskajā diagnostikā un personāla atlases lēmumos saskaņā ar tādiem regulējumiem kā ES GDPR.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/lv/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: Lokāli interpretējamas modeļu neatkarīgas skaidrojumu metodesMašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →