LVQ 模型反事实解释的高效计算
机器学习
2020-01-28 v2 人工智能
机器学习
摘要
机器学习在实践中的日益应用以及如欧盟 GDPR 等法律规范，使得能够解释机器学习模型的预测与行为成为必要。在决策制定背景下，AI 模型尤其直观的解释之一是反事实解释。然而，如何为众多模型高效计算反事实解释仍是一个开放的研究问题。我们研究如何为一类重要模型——基于原型的分类器（如学习向量量化模型）——高效计算反事实解释。具体地，我们根据所用度量推导特定的凸与非凸规划。
引用
@article{arxiv.1908.00735,
title = {Efficient computation of counterfactual explanations of LVQ models},
author = {André Artelt and Barbara Hammer},
journal= {arXiv preprint arXiv:1908.00735},
year = {2020}
}
备注
Short version accepted at ESANN-2020