CARLA：用于对算法追索和反事实解释算法进行基准测试的 Python 库
CARLA（反事实和追索库）是一个 Python 库，用于对不同数据集和不同机器学习模型中的反事实解释方法进行基准测试。总之，我们的工作提供了以下贡献：（i）对 11 种流行的反事实解释方法进行了广泛的基准测试，（ii）用于研究未来反事实解释方法的基准测试框架，以及（iii）一套标准化的综合评估措施和数据集，用于对这些方法进行透明和广泛的比较。我们在 Github 上开源了 CARLA 和我们的实验结果，使它们可以作为有竞争力的基准。我们欢迎其他研究小组和从业人员的贡献。
来源:La Biblia de la IA🔘 论文页面：arxiv.org/abs/2108.00783
🔘 论文页面摘要
«反事实解释通过建议可操作的特征变化（例如，增加收入）为规范模型解释提供了手段，这些变化使个人能够在未来获得有利的结果（例如，保险批准）。选择合适的方法是有意义的反事实解释的关键方面。正如最近的评论所记录的那样，存在大量可用方法的文献。然而，由于缺乏广泛可用的开源实现，支持某些模型的决定主要基于现有模型。展望未来——为了保证跨解释方法进行有意义的比较——我们提出了 CARLA（反事实和追索库），这是一个 Python 库，用于对不同数据集和不同机器学习模型中的反事实解释方法进行基准测试。总之，我们的工作提供了以下贡献：（i）11 种流行的反事实解释方法的广泛基准，（ii）用于研究未来反事实解释方法的基准框架，以及（iii）一套标准化的综合评估措施和数据集，用于透明和广泛地比较这些方法。我们在 Github 上开源了 CARLA 和我们的实验结果，使它们可作为有竞争力的基线。我们欢迎其他研究团体和从业者的贡献。”
« « » »作者
Martin Pawelczyk、Sascha Bielawski、Johannes van den Heuvel、Tobias Richter、Gjergji Kasneci
喜欢这篇文章？关注此博客以了解更多信息。
喜欢这篇文章？关注此博客以了解更多信息。