Aumann-SHAP: Geometría de interacciones contrafactuales en Machine Learning
Descubre Aumann-SHAP, un marco que descompone transiciones contrafactuales usando geometría de hipercubos. Corrige sesgos y mejora la interpretabilidad en ML.
#explicaciones contrafactuales
Explicaciones contrafactuales para pruebas de dos muestras profundas
Las explicaciones contrafactuales revelan qué características diferencian dos grupos en pruebas de hipótesis con deep learning. Un método basado en MMD y autoen
Comportamiento contrafactual: proximidad del límite y soporte local
Descubre cómo la proximidad al límite de decisión y el soporte local determinan la viabilidad de explicaciones contrafactuales en modelos de IA, incluso con igual precisión.