คำอธิบายเชิงขัดแย้ง
คำอธิบายเชิงขัดแย้ง (Counterfactual explanations) ซึ่งนำเสนอโดย Wachter, Mittelstadt และ Russell ในปี 2017 ตอบคำถามว่า 'การเปลี่ยนแปลงอินพุตที่น้อยที่สุดที่จะทำให้เกิดผลลัพธ์ของโมเดลที่แตกต่างออกไปคืออะไร?' แทนที่จะอธิบายว่าทำไมโมเดลจึงตัดสินใจเช่นนั้น คำอธิบายเหล่านี้จะอธิบายว่าอะไรจะต้องเปลี่ยนแปลงไปเพื่อให้การตัดสินใจนั้นกลับกันได้ ซึ่งทำให้มีคุณค่าอย่างยิ่งสำหรับการใช้งานที่มีความสำคัญสูง เช่น การให้คะแนนเครดิต การวินิจฉัยทางการแพทย์ และการตัดสินใจจ้างงานภายใต้กรอบการทำงาน เช่น GDPR ของสหภาพยุโรป
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Counterfactual Explanations. ScholarGate. https://scholargate.app/th/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: คำอธิบายแบบจำลองที่ตีความได้เฉพาะที่และไม่ขึ้นกับแบบจำลองการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare