BriefGPT - AI 论文速递 · 2023-09-28T00:00:00Z

T-COL: 生成变量机器学习系统一般用户偏好的反事实解释

📝

内容提要

该文介绍了对抗性解释（CEs）的方法，用于解决机器学习中的无法解释问题。作者提出了常规用户喜好，并将其映射到CEs的特性中。引入了T-COL方法，能够生成适应用户喜好的CEs，同时生成更加稳健和有效的CEs。实验证明，T-COL更适用于适应用户喜好和变量ML模型。

🏷️

标签

T-COL 对抗性解释 机器学习 用户喜好 稳健有效