Kontrafaktiske forklaringer
Kontrafaktiske forklaringer, introdusert av Wachter, Mittelstadt og Russell i 2017, svarer på spørsmålet: 'Hva er den minste endringen i input som ville ha produsert et annet modellutfall?' I stedet for å forklare hvorfor en modell tok en beslutning, beskriver de hva som måtte endres for at den beslutningen skulle bli reversert, noe som gjør dem spesielt verdifulle for høyrisikoapplikasjoner som kredittscoring, medisinsk diagnose og ansettelsesbeslutninger under rammeverk som EUs GDPR.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/no/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: Lokale fortolkbare modelluavhengige forklaringerMaskinlæring↔ compare
- Logistisk regresjonForskningsstatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →