Penjelasan Kontrafaktual
Penjelasan kontrafaktual, diperkenalkan oleh Wachter, Mittelstadt, dan Russell pada tahun 2017, menjawab soalan: 'Apakah perubahan terkecil pada input yang akan menghasilkan output model yang berbeza?' Daripada menjelaskan mengapa model membuat keputusan, ia menerangkan apa yang perlu diubah untuk membatalkan keputusan tersebut, menjadikannya amat berharga untuk aplikasi berisiko tinggi seperti pemarkahan kredit, diagnosis perubatan, dan keputusan pengambilan pekerja di bawah rangka kerja seperti EU GDPR.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/ms/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: Penjelasan Model Boleh Ditafsir Secara Lokal dan Model-AgnostikPembelajaran Mesin↔ compare
- Regresi LogistikStatistik Penyelidikan↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →