Nuevos modelos de optimización matemática para el análisis contrafáctico grupal

• Jasone Ramírez Ayerbe ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
• Localización: BEIO, Boletín de Estadística e Investigación Operativa, ISSN 1889-3805, Vol. 42, Nº. 1, 2026, págs. 81-85
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • El uso creciente de algoritmos de aprendizaje automático en procesos de toma de decisiones ha puesto de manifiesto la necesidad de dotar a estos modelos de mecanismos de explicabilidad. En este contexto, las explicaciones contrafácticas constituyen una herramienta potente para comprender las decisiones, al dentificar los cambios mínimos necesarios para alterar una predicción. Esta tesis estudia el cálculo de explicaciones contrafácticas desde una perspectiva de investigación operativa y optimización matemática, ampliando su alcance más allá del caso individual clásico y más allá de la clasificación supervisada. En particular, se introduce un marco general para el Análisis Contrafáctico Grupal, se desarrollan modelos específicos para datos funcionales que respetan su estructura inherente y se extiende el análisis contrafáctico al ámbito del análisis envolvente de datos.

• Referencias bibliográficas
  • Bogetoft, P., Ramírez-Ayerbe, J. y Romero Morales, D. (2024). Counterfactual analysis and target setting in benchmarking. European Journal...
  • Carrizosa, E., Ramírez-Ayerbe, J. y Romero Morales, D. (2024a). Generating collective counterfactual explanations in score-based classification...
  • Carrizosa, E., Ramírez-Ayerbe, J. y Romero Morales, D. (2024b). Mathematical optimization modelling for group counterfactual explanations....
  • Carrizosa, E., Ramírez-Ayerbe, J. y Romero Morales, D. (2024c). A new model for counterfactual analysis for functional data. Advances in Data...
  • European Commission. (2020). White Paper on Artificial Intelligence: A European approach to excellence and trust. (European Commission)
  • Guidotti, R. (2024). Counterfactual explanations and how to find them: Literature review and benchmarking. Data Mining and Knowledge Discovery,...
  • Lodi, A. y Ramírez-Ayerbe, J. (2024). One-for-many Counterfactual Explanations by Column Generation. (arXiv preprint)
  • Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature...
  • Wachter, S., Mittelstadt, B. y Russell, C. (2017). Counterfactual explanations without opening the black box: Automated decisions and the...