Las explicaciones contrafactuales son un método para explicar las decisiones de los modelos de aprendizaje automático, que muestran cómo cambiar los datos de entrada para obtener un resultado diferente. Por ejemplo, si un modelo niega un préstamo, una explicación contrafactual puede mostrar que si los ingresos del cliente fueran un 10% más altos, la decisión cambiaría a aprobación.

Esto ayuda a entender qué factores influyen en la predicción y hace que el modelo sea más transparente e interpretable, especialmente en modelos complejos de aprendizaje profundo.

Anterior Siguiente