Submitted 27 August, 2024; originally announced August 2024. , Comments: Presented as a poster in the 2nd Workshop on Causal Inference and Machine Learning in Practice at KDD 2024
توضیحات به فارسی
ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: به عنوان پوستر در 2 کارگاه در مورد استنباط علی و یادگیری ماشین در عمل در KDD 2024 ارائه شده است
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Causality is vital for understanding true cause-and-effect relationships between variables within predictive models, rather than relying on mere correlations, making it highly relevant in the field of Explainable AI. In an automated decision-making scenario, causal inference methods can analyze the underlying data-generation process, enabling explanations of a model's decision by manipulating features and creating counterfactual examples. These counterfactuals explore hypothetical scenarios where a minimal number of factors are altered, providing end-users with valuable information on how to change their situation. However, interpreting a set of multiple counterfactuals can be challenging for end-users who are not used to analyzing raw data records. In our work, we propose a novel multi-step pipeline that uses counterfactuals to generate natural language explanations of actions that will lead to a change in outcome in classifiers of tabular data using LLMs. This pipeline is designed to guide the LLM through smaller tasks that mimic human reasoning when explaining a decision based on counterfactual cases. We conducted various experiments using a public dataset and proposed a method of closed-loop evaluation to assess the coherence of the final explanation with the counterfactuals, as well as the quality of the content. Results are promising, although further experiments with other datasets and human evaluations should be carried out.
چکیده به فارسی (ترجمه ماشینی)
علیت برای درک روابط علت و معلولی واقعی بین متغیرها در مدلهای پیش بینی ، به جای تکیه بر همبستگی های صرف ، بسیار مهم است و آن را در زمینه هوش مصنوعی قابل توضیح بسیار مهم می کند.در یک سناریوی تصمیم گیری خودکار ، روشهای استنباط علّی می توانند فرآیند اساسی تولید داده را تجزیه و تحلیل کنند و توضیحات مربوط به تصمیم یک مدل را با دستکاری ویژگی ها و ایجاد نمونه های ضد خلاف انجام دهند.این ضد خلاف واقع سناریوهای فرضی را که در آن تعداد حداقل عوامل تغییر یافته است ، کشف می کند و اطلاعات ارزشمندی را در مورد چگونگی تغییر وضعیت آنها در اختیار کاربران نهایی قرار می دهد.با این حال ، تفسیر مجموعه ای از چندین خلاف واقع می تواند برای کاربران نهایی که برای تجزیه و تحلیل سوابق داده های خام استفاده نمی شوند ، چالش برانگیز باشد.در کار ما ، ما یک خط لوله چند مرحله ای جدید را پیشنهاد می کنیم که از خلاف واقع برای تولید توضیحات زبان طبیعی در مورد اقدامات استفاده می کند که منجر به تغییر در نتیجه در طبقه بندی کننده های داده های جدولی با استفاده از LLM ها می شود.این خط لوله برای هدایت LLM از طریق کارهای کوچکتر طراحی شده است که هنگام توضیح یک تصمیم بر اساس موارد ضد واقعیت ، استدلال انسان را تقلید می کند.ما آزمایش های مختلفی را با استفاده از یک مجموعه داده عمومی انجام دادیم و روشی را برای ارزیابی حلقه بسته برای ارزیابی انسجام توضیحات نهایی با پیشخوان ها و همچنین کیفیت محتوا ارائه دادیم.نتایج امیدوار کننده است ، اگرچه آزمایش های بیشتر با سایر مجموعه داده ها و ارزیابی های انسانی باید انجام شود.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
