Apr, 2024
生成可信任的模型无关反事实解释的对抗随机森林
CountARFactuals -- Generating plausible model-agnostic counterfactual explanations with adversarial random forests
Susanne Dandl, Kristin Blesch, Timo Freiesleben, Gunnar König, Jan Kapar...
TL;DR利用对抗式随机森林(ARFs)的生成建模技术,本文以模型独立的方式高效生成可信的反事实解释,克服了现有方法的局限性,包括易于训练、计算高效、自然处理连续和分类数据以及方便集成额外的期望,如稀疏性。