Buchumschlag

No $D_{\text{train}}$: Model-Agnostic Counterfactual Explanations Using Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Xiangyu, Aoki, Raquel, Wilson, Kevin H.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Flexible Counterfactual Explanations with Generative Models
von: Hellemans, Stig, et al.
Veröffentlicht: (2025)

Watermarking Counterfactual Explanations
von: Guo, Hangzhi, et al.
Veröffentlicht: (2024)

Counterfactual Explanations for Model Ensembles Using Entropic Risk Measures
von: Noorani, Erfaun, et al.
Veröffentlicht: (2025)

Generally-Occurring Model Change for Robust Counterfactual Explanations
von: Xu, Ao, et al.
Veröffentlicht: (2024)

Collective Counterfactual Explanations: Balancing Individual Goals and Collective Dynamics
von: Ehyaei, Ahmad-Reza, et al.
Veröffentlicht: (2024)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

FACEGroup: Feasible and Actionable Counterfactual Explanations for Group Fairness
von: Fragkathoulas, Christos, et al.
Veröffentlicht: (2024)

Joint Distribution-Informed Shapley Values for Sparse Counterfactual Explanations
von: You, Lei, et al.
Veröffentlicht: (2024)

Axiomatic Foundations of Counterfactual Explanations
von: Amgoud, Leila, et al.
Veröffentlicht: (2026)

CoLa-DCE -- Concept-guided Latent Diffusion Counterfactual Explanations
von: Motzkus, Franz, et al.
Veröffentlicht: (2024)

Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing
von: Wang, Jitao, et al.
Veröffentlicht: (2025)

Nonparametric Identification and Inference for Counterfactual Distributions with Confounding
von: Sun, Jianle, et al.
Veröffentlicht: (2026)

Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels
von: Furman, Oleksii, et al.
Veröffentlicht: (2024)

Task-Agnostic Machine-Learning-Assisted Inference
von: Miao, Jiacheng, et al.
Veröffentlicht: (2024)

Counterfactual Generative Models for Time-Varying Treatments
von: Wu, Shenghao, et al.
Veröffentlicht: (2023)

DoubleGen: Debiased Generative Modeling of Counterfactuals
von: Luedtke, Alex, et al.
Veröffentlicht: (2025)

Causal and Counterfactual Views of Missing Data Models
von: Nabi, Razieh, et al.
Veröffentlicht: (2022)

Causal Contrastive Learning for Counterfactual Regression Over Time
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2024)

Assessing Electricity Service Unfairness with Transfer Counterfactual Learning
von: Wei, Song, et al.
Veröffentlicht: (2023)

DR-VIDAL -- Doubly Robust Variational Information-theoretic Deep Adversarial Learning for Counterfactual Prediction and Treatment Effect Estimation on Real World Data
von: Ghosh, Shantanu, et al.
Veröffentlicht: (2023)

Modeling Causal Mechanisms with Diffusion Models for Interventional and Counterfactual Queries
von: Chao, Patrick, et al.
Veröffentlicht: (2023)

DiffusionCounterfactuals: Inferring High-dimensional Counterfactuals with Guidance of Causal Representations
von: Zhu, Jiageng, et al.
Veröffentlicht: (2024)

Geometry Adaptive Counterfactual Distribution Learning with Diffusion-Guided Smoothing
von: Kim, Kwangho
Veröffentlicht: (2026)

Generalized Encouragement-Based Instrumental Variables for Counterfactual Regression
von: Wu, Anpeng, et al.
Veröffentlicht: (2024)

Semiparametric Counterfactual Regression
von: Kim, Kwangho
Veröffentlicht: (2025)

Response to Discussions of "Causal and Counterfactual Views of Missing Data Models"
von: Nabi, Razieh, et al.
Veröffentlicht: (2025)

Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models
von: Zhou, Zeyu, et al.
Veröffentlicht: (2023)

Estimating Heterogeneous Treatment Effects on Survival Outcomes Using Counterfactual Censoring Unbiased Transformations
von: Xu, Shenbo, et al.
Veröffentlicht: (2024)

Linking Model Intervention to Causal Interpretation in Model Explanation
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

CFLight: Enhancing Safety with Traffic Signal Control through Counterfactual Learning
von: Li, Mingyuan, et al.
Veröffentlicht: (2025)

Robust and Agnostic Learning of Conditional Distributional Treatment Effects
von: Kallus, Nathan, et al.
Veröffentlicht: (2022)

Bayesian Counterfactual Prediction Models for HIV Care Retention with Incomplete Outcome and Covariate Information
von: Oganisian, Arman, et al.
Veröffentlicht: (2024)

DoFlow: Flow-based Generative Models for Interventional and Counterfactual Forecasting on Time Series
von: Wu, Dongze, et al.
Veröffentlicht: (2025)

On Counterfactual Interventions in Vector Autoregressive Models
von: Butler, Kurt, et al.
Veröffentlicht: (2024)

Counterfactual Probabilistic Diffusion with Expert Models
von: Mu, Wenhao, et al.
Veröffentlicht: (2025)

Group Shapley Value and Counterfactual Simulations in a Structural Model
von: Kwon, Yongchan, et al.
Veröffentlicht: (2024)

Advancing Counterfactual Inference through Nonlinear Quantile Regression
von: Xie, Shaoan, et al.
Veröffentlicht: (2023)

De-confounding Representation Learning for Counterfactual Inference on Continuous Treatment via Generative Adversarial Network
von: Zhao, Yonghe, et al.
Veröffentlicht: (2023)

The Fundamental Limits of Structure-Agnostic Functional Estimation
von: Balakrishnan, Sivaraman, et al.
Veröffentlicht: (2023)

Counterfactual Cocycles: A Framework for Robust and Coherent Counterfactual Transports
von: Dance, Hugh, et al.
Veröffentlicht: (2024)