重要的是,反事實解釋的數量可能會隨著特徵的數量呈指數級增長,因此,當特徵數量大時,找到所有可能的反事實解釋通常難以解決。在本經驗示例中討論的貸款案例中,我們進行了詳盡的搜索,因為功能的數量相對較少,因此表 1-2 顯示了對貸款 1 和貸款 4 的信用拒絕的所有可能的反事實解釋。但是,在大多數設置中,該演算法需要限制為可處理的最大反覆運算或解釋數。儘管如此,《資料驅動決策反事實解釋》第四十屆國際資訊系統會議,慕尼克2019年7日的解釋可能仍然很多,因此,提高可解釋性的其他步驟可能會有所説明,例如定義根據解釋的"良好"程度對解釋進行排名的衡量標準。
正在翻譯中..
