机构名称：
¥ 1.0
图2.Dodge 等人比较了四种类型的 XAI 特征。[29]（对原始论文中的解释名称进行了小幅更新）以支持人们对 ML 模型的公平性判断，其中 ML 模型的用例执行再犯风险预测。对比解释（左上）侧重于被告需要如何改变才能被预测为低风险。与底部的两个全局解释相比，它更有效地揭示了不公平模型的个体公平问题——来自不同受保护群体的类似个体受到不同的对待。基于示例的解释可以通过揭示决策的矛盾性来表明公平性问题（只有 60% 的类似个人资料会再次犯罪）。
以人为本的可解释人工智能 (XAI)
主要关键词
相关文件推荐
