:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Valero-Leal, Enrique, Bischl, Bernd, Larrañaga, Pedro, Bielza, Concha, Casalicchio, Giuseppe
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2601.20692
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Actionable Counterfactual Explanations Using Bayesian Networks and Path Planning with Applications to Environmental Quality Improvement
di: Valero-Leal, Enrique, et al.
Pubblicazione: (2025)

On the Robustness of Global Feature Effect Explanations
di: Baniecki, Hubert, et al.
Pubblicazione: (2024)

Efficient and Accurate Explanation Estimation with Distribution Compression
di: Baniecki, Hubert, et al.
Pubblicazione: (2024)

Transfer learning for nonparametric Bayesian networks
di: Sojo, Rafael, et al.
Pubblicazione: (2026)

Bandwidth Selectors on Semiparametric Bayesian Networks
di: Alejandre, Victor, et al.
Pubblicazione: (2025)

Analyzing Error Sources in Global Feature Effect Estimation
di: Heiß, Timo, et al.
Pubblicazione: (2026)

Binned semiparametric Bayesian networks for efficient kernel density estimation
di: Sojo, Rafael, et al.
Pubblicazione: (2025)

mlr3summary: Concise and interpretable summaries for machine learning models
di: Dandl, Susanne, et al.
Pubblicazione: (2024)

CASHomon Sets: Efficient Rashomon Sets Across Multiple Model Classes and their Hyperparameters
di: Ewald, Fiona Katharina, et al.
Pubblicazione: (2026)

Decomposing Global Feature Effects Based on Feature Interactions
di: Herbinger, Julia, et al.
Pubblicazione: (2023)

fmeffects: An R Package for Forward Marginal Effects
di: Löwe, Holger, et al.
Pubblicazione: (2023)

xplainfi: Feature Importance and Statistical Inference for Machine Learning in R
di: Burk, Lukas, et al.
Pubblicazione: (2026)

Position Paper: Bridging the Gap Between Machine Learning and Sensitivity Analysis
di: Scholbeck, Christian A., et al.
Pubblicazione: (2023)

Privilege Scores
di: Bothmann, Ludwig, et al.
Pubblicazione: (2025)

A Guide to Feature Importance Methods for Scientific Inference
di: Ewald, Fiona Katharina, et al.
Pubblicazione: (2024)

Distributional Counterfactual Explanations With Optimal Transport
di: You, Lei, et al.
Pubblicazione: (2024)

Position: Why We Must Rethink Empirical Research in Machine Learning
di: Herrmann, Moritz, et al.
Pubblicazione: (2024)

Trainability maximization using estimation of distribution algorithms assisted by surrogate modelling for quantum architecture search
di: Soloviev, Vicente P., et al.
Pubblicazione: (2024)

Effector: A Python package for regional explanations
di: Gkolemis, Vasilis, et al.
Pubblicazione: (2024)

Trust Me, I Know the Way: Predictive Uncertainty in the Presence of Shortcut Learning
di: Wimmer, Lisa, et al.
Pubblicazione: (2025)

Overtuning in Hyperparameter Optimization
di: Schneider, Lennart, et al.
Pubblicazione: (2025)

Procedural Fairness via Group Counterfactual Explanation
di: Popoola, Gideon, et al.
Pubblicazione: (2026)

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

What Is Fairness? On the Role of Protected Attributes and Fictitious Worlds
di: Bothmann, Ludwig, et al.
Pubblicazione: (2022)

Counterfactual Identifiability via Dynamic Optimal Transport
di: Ribeiro, Fabio De Sousa, et al.
Pubblicazione: (2025)

Fair Recourse for All: Ensuring Individual and Group Fairness in Counterfactual Explanations
di: Ezzeddine, Fatima, et al.
Pubblicazione: (2026)

Differentiable Sparsity via $D$-Gating: Simple and Versatile Structured Penalization
di: Kolb, Chris, et al.
Pubblicazione: (2025)

Calibrating LLMs with Information-Theoretic Evidential Deep Learning
di: Li, Yawei, et al.
Pubblicazione: (2025)

Reshuffling Resampling Splits Can Improve Generalization of Hyperparameter Optimization
di: Nagler, Thomas, et al.
Pubblicazione: (2024)

Deep Weight Factorization: Sparse Learning Through the Lens of Artificial Symmetries
di: Kolb, Chris, et al.
Pubblicazione: (2025)

Tabular Diffusion Counterfactual Explanations
di: Zhang, Wei, et al.
Pubblicazione: (2025)

Graph Diffusion Counterfactual Explanation
di: Bechtoldt, David, et al.
Pubblicazione: (2025)

Explaining Bayesian Optimization by Shapley Values Facilitates Human-AI Collaboration
di: Rodemann, Julian, et al.
Pubblicazione: (2024)

Structured Credal Learning
di: Venkatesh, Varun, et al.
Pubblicazione: (2026)

Watermarking Counterfactual Explanations
di: Guo, Hangzhi, et al.
Pubblicazione: (2024)

Optimal Transport on Categorical Data for Counterfactuals using Compositional Data and Dirichlet Transport
di: Machado, Agathe Fernandes, et al.
Pubblicazione: (2025)

Post-hoc Orthogonalization for Mitigation of Protected Feature Bias in CXR Embeddings
di: Weber, Tobias, et al.
Pubblicazione: (2023)

Counterfactual Explanations Under Concept Drift
di: Kostrzewa, Marcin, et al.
Pubblicazione: (2026)

ACE: Adapting sampling for Counterfactual Explanations
di: Guerrero, Margarita A., et al.
Pubblicazione: (2025)

Counterfactual Explanations for Linear Optimization
di: Kurtz, Jannis, et al.
Pubblicazione: (2024)