Buchumschlag

From Model Explanation to Data Misinterpretation: A Cautionary Analysis of Post Hoc Explainers in Business Research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Tong, Ragodos, Ronilo, Feng, Lu, Yu, Hu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GeoPro-Net: Learning Interpretable Spatiotemporal Prediction Models through Statistically-Guided Geo-Prototyping
von: An, Bang, et al.
Veröffentlicht: (2024)

RAW-Explainer: Post-hoc Explanations of Graph Neural Networks on Knowledge Graphs
von: Kubo, Ryoji, et al.
Veröffentlicht: (2025)

Are We Merely Justifying Results ex Post Facto? Quantifying Explanatory Inversion in Post-Hoc Model Explanations
von: Tan, Zhen, et al.
Veröffentlicht: (2025)

Understanding Disparities in Post Hoc Machine Learning Explanation
von: Mhasawade, Vishwali, et al.
Veröffentlicht: (2024)

Self-AMPLIFY: Improving Small Language Models with Self Post Hoc Explanations
von: Bhan, Milan, et al.
Veröffentlicht: (2024)

Informative Post-Hoc Explanations Only Exist for Simple Functions
von: Günther, Eric, et al.
Veröffentlicht: (2025)

Implet: A Post-hoc Subsequence Explainer for Time Series Models
von: Meng, Fanyu, et al.
Veröffentlicht: (2025)

ShapeX: Shapelet-Driven Post Hoc Explanations for Time Series Classification Models
von: Huang, Bosong, et al.
Veröffentlicht: (2025)

Explaining the Model, Protecting Your Data: Revealing and Mitigating the Data Privacy Risks of Post-Hoc Model Explanations via Membership Inference
von: Huang, Catherine, et al.
Veröffentlicht: (2024)

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2026)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

Probabilistic Conceptual Explainers: Trustworthy Conceptual Explanations for Vision Foundation Models
von: Wang, Hengyi, et al.
Veröffentlicht: (2024)

xai_evals : A Framework for Evaluating Post-Hoc Local Explanation Methods
von: Seth, Pratinav, et al.
Veröffentlicht: (2025)

RouteExplainer: An Explanation Framework for Vehicle Routing Problem
von: Kikuta, Daisuke, et al.
Veröffentlicht: (2024)

FSX: Message Flow Sensitivity Enhanced Structural Explainer for Graph Neural Networks
von: Feng, Bizu, et al.
Veröffentlicht: (2026)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models
von: Li, Chengze, et al.
Veröffentlicht: (2026)

Post-Hoc Calibrated Anomaly Detection
von: Gloumeau, Sean
Veröffentlicht: (2025)

SHapley Estimated Explanation (SHEP): A Fast Post-Hoc Attribution Method for Interpreting Intelligent Fault Diagnosis
von: Chen, Qian, et al.
Veröffentlicht: (2025)

Diffusion Explainer: Visual Explanation for Text-to-image Stable Diffusion
von: Lee, Seongmin, et al.
Veröffentlicht: (2023)

RegExplainer: Generating Explanations for Graph Neural Networks in Regression Tasks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2023)

Post-Hoc Reversal: Are We Selecting Models Prematurely?
von: Ranjan, Rishabh, et al.
Veröffentlicht: (2024)

Temporal and Semantic Evaluation Metrics for Foundation Models in Post-Hoc Analysis of Robotic Sub-tasks
von: Salfity, Jonathan, et al.
Veröffentlicht: (2024)

An Evidence-Based Post-Hoc Adjustment Framework for Anomaly Detection Under Data Contamination
von: Patra, Sukanya, et al.
Veröffentlicht: (2025)

Clinical Domain Knowledge-Derived Template Improves Post Hoc AI Explanations in Pneumothorax Classification
von: Yuan, Han, et al.
Veröffentlicht: (2024)

Density-Ratio Losses for Post-Hoc Learning to Defer
von: Soen, Alexander, et al.
Veröffentlicht: (2026)

T-Explainer: A Model-Agnostic Explainability Framework Based on Gradients
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2024)

Guided Uncertainty Learning Using a Post-Hoc Evidential Meta-Model
von: Barker, Charmaine, et al.
Veröffentlicht: (2025)

HAPEns: Hardware-Aware Post-Hoc Ensembling for Tabular Data
von: Maier, Jannis, et al.
Veröffentlicht: (2026)

MetaExplainer: A Framework to Generate Multi-Type User-Centered Explanations for AI Systems
von: Chari, Shruthi, et al.
Veröffentlicht: (2025)

Perturb and Correct: Post-Hoc Ensembles using Affine Redundancy
von: Quint, Eleanor
Veröffentlicht: (2026)

Beyond Explained Variance: A Cautionary Tale of PCA
von: Marchetti, Gionni
Veröffentlicht: (2026)

A Hybrid Machine Learning Approach for Synthetic Data Generation with Post Hoc Calibration for Clinical Tabular Datasets
von: Mahin, Md Ibrahim Shikder, et al.
Veröffentlicht: (2025)

Factorized Explainer for Graph Neural Networks
von: Huang, Rundong, et al.
Veröffentlicht: (2023)

A Cautionary Tale of Self-Supervised Learning for Imaging Biomarkers: Alzheimer's Disease Case Study
von: Reynolds, Maxwell, et al.
Veröffentlicht: (2026)

Post Hoc Regression Refinement via Pairwise Rankings
von: Wijaya, Kevin Tirta, et al.
Veröffentlicht: (2025)

Probability Bounding: Post-Hoc Calibration via Box-Constrained Softmax
von: Atarashi, Kyohei, et al.
Veröffentlicht: (2025)

Efficient Post-Hoc Uncertainty Calibration via Variance-Based Smoothing
von: Denoodt, Fabian, et al.
Veröffentlicht: (2025)

BetaExplainer: A Probabilistic Method to Explain Graph Neural Networks
von: Sloneker, Whitney, et al.
Veröffentlicht: (2024)

Post-Hoc Concept Disentanglement: From Correlated to Isolated Concept Representations
von: Erogullari, Eren, et al.
Veröffentlicht: (2025)