Kontrafaktička objašnjenja
Kontrafaktička objašnjenja, koja su uveli Wachter, Mittelstadt i Russell 2017. godine, odgovaraju na pitanje: „Koja je najmanja promena ulaza koja bi dovela do drugačijeg izlaza modela?“ Umesto da objašnjavaju zašto je model doneo odluku, ona opisuju šta bi trebalo da se promeni da bi se ta odluka preokrenula, što ih čini posebno vrednim za primene visokog uloga kao što su kreditno bodovanje, medicinska dijagnoza i odluke o zapošljavanju u okviru okvira kao što je Opšta uredba o zaštiti podataka (GDPR) Evropske unije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/sr/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: Lokalno interpretabilna modelu-agnostička objašnjenjaMašinsko učenje↔ compare
- Logistička regresijaIstraživačka statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →