Counterfactual explanations have ot

Counterfactual explanations have other benefits as well. First, same as importance weights, they are defined in terms of domain knowledge (i.e., features) rather than in terms of modeling techniques. As mentioned before, this is of critical importance to explain individual decisions made by such models to users. More importantly, these explanations can be used to understand which features would need to change for the decision to change, which is not captured by feature importance methods. Also, because only a fraction of the features will be present in any single explanation, our approach may be used to explain decisions from models with thousands of features (or many more). Studies show cases where such explanations can be obtained in seconds for models with tens or hundreds of thousands of features and that the explanations typically consisted of a few dozen of features at the most (Martens and Provost, 2014; Chen et al., 2016; Moeyersoms et al., 2016).

結果 (繁體中文) 1:

反的解釋有其他好處。首先，同重要性權，他們的領域知識方面（即功能），而不是在建模技術方面進行定義。正如前面提到的，這是至關重要的來解釋這種模式做出的用戶個人的決定。更重要的是，這些解釋可以用來了解哪些功能需要改變決定改變，這是不被重視的功能方法捕獲。此外，因為只有功能的一小部分將存在於任何單一的解釋，我們的方法可以用來解釋從模型決定成千上萬的特徵（或更多）。

結果 (繁體中文) 2:

反事實的解釋還有其他好處。首先，與重要性權重相同，它們的定義是域知識（即要素），而不是建模技術。如前所述，向使用者解釋此類模型做出的個別決策至關重要。更重要的是，這些解釋可用於瞭解哪些要素需要更改才能做出更改，而特徵重要性方法並未捕獲這些要素。此外，由於任何單個解釋中只存在一小部分要素，我們的方法可用於解釋具有數千個功能（或更多）的模型的決策。研究表明，對於具有數萬或數十萬個特徵的模型，可以在數秒內獲得此類解釋，並且解釋通常最多包含幾十個要素（Martens 和 Provost，2014 年;陳等人，2016年;Moeyersoms等人，2016年）。

結果 (繁體中文) 3:

反事實的解釋還有其他好處。首先，與重要性權重一樣，它們是根據領域知識（即特徵）而不是建模科技來定義的。如前所述，這對於向用戶解釋此類模型所做的個人決策至關重要。更重要的是，這些解釋可以用來理解哪些特徵需要改變才能做出改變的决定，而特徵重要性方法並不能捕捉到這些改變。此外，由於在任何一個解釋中只有一小部分特徵出現，我們的方法可以用來解釋具有數千個特徵（或更多）的模型的決策。研究表明，對於具有數萬或數十萬特徵的模型，這種解釋可以在幾秒鐘內獲得，並且解釋通常最多包含幾十個特徵（Martens and Provost，2014；Chen et al.，2016；Moeyersoms et al.，2016）。