Краткое содержание

arXiv:2405.18921v3 Тип объявления: замена Аннотация: Широкое внедрение систем машинного обучения в критически важные приложения для принятия решений в реальном мире подчеркнуло насущную потребность в эффективных методах контрфактического объяснения. Глобальные контрфактические объяснения, выраженные в виде действий для предоставления регресса, призваны давать лаконичные объяснения и инсайты, применимые к большим подгруппам популяции. Высокая эффективность, измеряемая долей популяции, которой предоставлен регресс, гарантирует, что действия принесут пользу как можно большему числу индивидуумов. Сохранение стоимости действий на низком уровне обеспечивает практичность и выполнимость предлагаемых действий регресса. Ограничение количества действий, которые обеспечивают глобальные контрфакты, крайне важно для максимизации интерпретируемости. Таким образом, основная задача заключается в балансировании этих компромиссов — максимизации эффективности, минимизации стоимости при сохранении малого числа действий. Мы представляем $\texttt{GLANCE}$, универсальный и