We use data from Lending Club, a le

We use data from Lending Club, a lending platform, to showcase the advantages of counterfactual explanations over feature importance weights when explaining data-driven decisions. The data is publicly available and contains comprehensive information on all loans issued between 2007 and 2019 (the data is updated every quarter). The data set includes hundreds of features for each loan, including the interest rate, the loan amount, the monthly installment, the loan status (e.g., fully paid, charged-off), and several other attributes related to the borrower, such as type of house ownership and annual income. To simplify things, we use a sample of the data used by Cohen et al. (2018) and focus on loans with a 13% annual interest and a duration of three years (the most common loans), leaving us with 71,938 loans.

結果 (繁體中文) 1:

我們使用來自借貸俱樂部，一個借貸平台，數據解釋數據驅動的決策時，向人們展示了功能重要性的權重反解釋的優點。該數據是公開的，並包含在2007年至2019年間發行的所有貸款的綜合信息（數據每季度更新一次）。該數據集包括數以百計的功能，每筆貸款，包括利率，貸款額，每月分期付款，貸款狀態（例如，全額支付，收取客），以及其他幾個屬性相關的借款人，如式房屋所有權和年收入。為簡單起見，我們使用由Cohen等人所使用的數據的樣本。（2018）和重點用13％的年利率和三年（最常見的貸款）的持續時間的貸款，留給我們71938的貸款。

結果 (繁體中文) 2:

我們使用來自貸款平臺"貸款俱樂部"的資料來展示在解釋資料驅動決策時，反事實解釋相對於功能重要性權重的優勢。資料是公開的，包含2007年至2019年間發放的所有貸款的全面資訊（資料每季度更新一次）。資料集包括每筆貸款的數百個功能，包括利率、貸款金額、每月分期付款、貸款狀況（例如，全額支付、已收費）以及與借款人相關的其他幾個屬性，如房屋擁有權類型和年收入。為了簡化事情，我們使用 Cohen 等人 （2018） 使用的資料樣本，重點關注年利息為 13%、期限為三年（最常見的貸款）的貸款，留給我們 71，938 筆貸款。

結果 (繁體中文) 3:

在解釋數據驅動的決策時，我們使用貸款平臺Lending Club的數據來展示反事實解釋相對於特徵重要性權重的優勢。該數據是公開的，包含2007年至2019年期間發放的所有貸款的全面資訊（數據每季度更新一次）。該數据集包括每筆貸款的數百個功能，包括利率、貸款金額、每月分期付款、貸款狀態（如已全額支付、已沖銷）以及與借款人相關的其他幾個内容，如房屋所有權類型和年收入。為了簡化問題，我們使用Cohen等人使用的數據樣本。（2018年），重點放在年利率13%，期限3年的貸款（最常見的貸款），剩下71938筆貸款。