Shapley-Werte können die Wichtigkeit von Features falsch darstellen, was kritische Entscheidungen beeinflussen kann.
― 5 min Lesedauer
Joao Marques-Silva
Die Probleme mit SHAP-Werten angehen, um bessere Modell-Erklärungen zu bekommen.
― 6 min Lesedauer
Fortschritte in erklärbarer KI verbessern das Verständnis von komplexen ML-Modellen.
― 9 min Lesedauer
Neue Methoden zur Analyse von Merkmalsbeiträgen im maschinellen Lernen untersuchen.
― 6 min Lesedauer
Die Rolle von logikbasierten Methoden in der Transparenz von Entscheidungen in der KI erkunden.
― 7 min Lesedauer
SHAP-Werte können die Vorhersagen und Entscheidungen von KI-Modellen irreführen.
― 6 min Lesedauer
Untersuche, wie kontrastive Erklärungen Vertrauen und Verständnis in maschinellen Lernmodellen fördern.
― 9 min Lesedauer