English(EN) Optimal Recourse Summaries via Bi-Objective Decision Tree Learning

新方法利用决策树学习最优追索摘要

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-08 11:16

研究人员开发了一种名为 SOGAR 的新方法来学习追索摘要，该方法对人群进行划分，并为每个子组分配一个单一的操作，以促进全局审计和偏见检测。该方法将追索摘要学习构建为最优决策树问题，解决了追索有效性和成本之间的权衡。SOGAR 利用浅层、轴平行决策树和稀疏叶节点操作来生成稳定、低成本且有效的摘要，其性能优于现有方法。 AI

影响通过生成更有效且成本效益更高的追索摘要，引入了一种改进分类器结果全局审计和偏见检测的新颖方法。

排序理由该集群包含一篇详细介绍学习追索摘要新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

arXiv
SOGAR

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Giorgos Stamou · 2026-05-08 11:16

通过双目标决策树学习实现最优追索摘要

Actionable Recourse provides individuals with actions they can take to change an unfavorable classifier outcome. While useful at the instance level, it is ill-suited for global auditing and bias detection, since aggregating local actions is costly and often inconsistent. Recourse…

报道来源 [1]

通过双目标决策树学习实现最优追索摘要

相关实体

相关话题