多线性模型中的原则性多样化反事实
机器学习
2022-01-19 v1
摘要
机器学习(ML)应用已使众多现实任务自动化,改善了私人生活与公共生活。然而,许多最先进模型的黑盒性质带来了模型验证的挑战;人们如何能确定算法基于恰当标准做出决策,或它不对某些少数群体产生歧视?在本文中,我们提出一种从多线性模型生成多样化反事实解释的方法,该类模型范围广泛,包括随机森林以及贝叶斯网络。
引用
@article{arxiv.2201.06467,
title = {Principled Diverse Counterfactuals in Multilinear Models},
author = {Ioannis Papantonis and Vaishak Belle},
journal= {arXiv preprint arXiv:2201.06467},
year = {2022}
}