跳到主要内容
检索

# 因果论证可解释性方法

1 篇关联报道

订阅更新
  1. 解释模型决策不再只列相关特征:因果图转成支持与反对的论证,给出为何如此预测

    可解释AI方法通常只指出哪些特征与预测相关,却说不清模型为何做出某个决定。这项研究把因果发现与论证推理接在一起:先用双编码的FCI算法从观测数据中找出特征间的因果结构,再把正负相关转成支持与攻击关系,用半稳定语义求出能自洽解释某一结果的特征集合。在Titanic与Pima糖尿病两个基准数据集上,得到的解释与SHAP、剪枝决策树看重的主要特征一致,但作者强调这些图只是与数据相容的候选因果假设。

已读完全部报道