Explications contrefactuelles pour les forêts aléatoires prudentes - Laboratoire HEUDIASYC - Heuristique et Diagnostic des Systèmes Complexes Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Explications contrefactuelles pour les forêts aléatoires prudentes

Résumé

Les forêts aléatoires prudentes sont conçues pour prendre des décisions indéterminées lorsque l'incertitude est trop forte. Puisque l'indétermination a un coût, il semble cependant souhaitable de comprendre pourquoi une décision précise n'a pu être prise pour une instance particulière. Nous proposons pour cela d'utiliser la notion d'explication contrefactuelle. Nous cherchons quelles modifications minimales peuvent être apportées à une instance pour que la décision indéterminée devienne déterminée. Dans cet article, nous proposons un algorithme efficace pour générer des exemples contrefactuels pour des forêts aléatoires prudentes. Nous évaluons l'efficacité de notre stratégie sur différents ensembles de données et nous l'illustrons sur deux études de cas simples portant sur des données tabulaires et des images.
Fichier principal
Vignette du fichier
LFA2022_Explications_contrefactuelles_pour_les_for_ts_al_atoires_prudentes.pdf (339.94 Ko) Télécharger le fichier

Dates et versions

hal-03895140 , version 1 (09-01-2023)

Identifiants

  • HAL Id : hal-03895140 , version 1

Citer

Haifei Zhang, Benjamin Quost, Marie-Hélène Masson. Explications contrefactuelles pour les forêts aléatoires prudentes. 31ièmes Rencontres Francophones sur la Logique Floue et ses Applications (LFA 2022), Oct 2022, Toulouse, France. pp.27-34. ⟨hal-03895140⟩
29 Consultations
20 Téléchargements

Partager

Gmail Facebook X LinkedIn More