这篇论文表明,解释方法是互补的,并且没有一种最好的方法来解释模型。因此,在工作中,可以根据我们的目标例如检查必要性、充分性或其他一些指标来选择相关的方法来衡量它。 最后,在这篇文章中有一个假设就是特征都是独立的,但在我看来在“真实世界”中这个假设可能不会成立,所以可能会严重影响结果,例如我们最后的“真实世界”的数据集的表现就与基准数据集不太一样,这个可能就是产生不同的一个原因。 论文:[1] *“Towards Unifying Feature Attribution and Counterfactual Explanations: Different Means to the Same End”* https://arxiv.org/pdf/2011.04917.pdf 本文作者:Noa Lubin编辑:黄继彦