Nonetheless, one can see that not a

Nonetheless, one can see that not all features shown in Figure 1 and Tables 1-2 would be relevant for loan applicants looking for recommendations to get their credit approved. So, SHAP may be adjusted further to compute weights only for a subset of features. Since SHAP deals with missing features by imputing default Counterfactual Explanations for Data-Driven Decisions Fortieth International Conference on Information Systems, Munich 2019 8 values, one can delimit the set of relevant features by setting the default values of the irrelevant features equal to the current values of the instance. Then, SHAP will compute importance weights only for the features that have a value different from the default. We do this for Loan 4 and define loan amount and annual income as the only relevant features. This would make sense in our context assuming most customers can only ask for less money or show additional sources of income to get their credit approved.

結果 (繁體中文) 1:

儘管如此，人們可以看到，並不是所有的顯示在圖1和表功能1-2將相關貸款申請人尋求建議，以獲得他們的信用批准。所以，SHAP還可以只對功能的子集調整為計算權重。由於通過插補數據驅動的決策第四十屆國際信息系統會議，慕尼黑2019 8個值默認反事實說明缺少的功能SHAP交易，可以通過設定的不相關特徵的默認值界定了一套相關的功能，等於當前值實例的。然後，SHAP將計算重要性權僅適用於具有與默認值不同的功能。我們為貸款4做到這一點，並確定貸款金額和年收入作為唯一的相關特徵。

結果 (繁體中文) 2:

儘管如此，我們可以看到，圖 1 和表 1-2 中顯示的並非所有功能都與尋求貸款建議以獲得信貸批准的貸款申請人相關。因此，可以進一步調整 SHAP，以便僅計算要素子集的權重。由於 SHAP 通過將資料驅動決策的預設反事實解釋歸罪於資料驅動決策，第四十屆資訊系統國際會議，慕尼克 2019 8 值，因此可以通過設置預設值來分隔相關功能集與實例的當前值相等的不相關要素的值。然後，SHAP 將僅計算具有不同于預設值的值的要素的重要性權重。我們為貸款4這樣做，並將貸款金額和年收入定義為唯一的相關特徵。在我們的上下文中，假設大多數客戶只能要求更少的錢或顯示額外的收入來源，以獲得他們的信貸批准，這將是有道理的。

結果 (繁體中文) 3:

然而，我們可以看到，並非圖1和錶1-2所示的所有功能都與貸款申請人尋求獲得信貸準予的建議相關。囙此，可以進一步調整形狀以僅計算特徵子集的權重。由於SHAP通過對數據驅動決策的默認反事實解釋（第四十届慕尼克資訊系統國際會議，20198年）值進行估算來處理缺失特徵，囙此可以通過將不相關特徵的預設值設定為實例的當前值來界定相關特徵集。然後，SHAP將只為具有不同於預設值的值的特徵計算重要性權重。我們在貸款4中這樣做，並將貸款金額和年收入定義為唯一相關的特徵。這在我們的背景下是有意義的，假設大多數客戶只能要求更少的錢或顯示額外的收入來源來獲得他們的信貸準予。