Wyjaśnienia kontrfaktyczne to metoda wyjaśniania decyzji modeli uczenia maszynowego, która pokazuje, jak zmienić dane wejściowe, aby uzyskać inny wynik. Na przykład, jeśli model odrzuciłby kredyt, wyjaśnienie kontrfaktyczne może pokazać, że gdyby dochód klienta był o 10% wyższy, decyzja zmieniłaby się na zatwierdzenie.

Pomaga to zrozumieć, które czynniki wpływają na prognozę, i czyni model bardziej przejrzystym i interpretowalnym, szczególnie w przypadku złożonych modeli głębokiego uczenia.

Poprzednia Dalej