產生反事實的超參數,是有條件限制的:
- proximity_weight(default=0.2), 只適用於genetic方法
- diversity_weight (default=5),只適用於genetic, kdtree方法
- desired_range(限制預測範圍),只適用於regression問題
官方參考(104行–140行)
Local and Global feature importance 分數跟我們想像的不一樣:
在DiCE中,Local and Global feature importance 分數計算方式是變動欄位/全部欄位:
- age = 10/10 = 1.0
- embarked = 2 / 10 = 0.2
有時候跑不出反事實,是正常的:
- 不要超參數,設置太多,反而找不出該案例的反事實
- 換別的案例,有可能真的沒有反事實
- 訓練的模型效果太差,或改用別的DiCE method(kdtree, genetic, random)
Genetic方法跑好久:
沒錯,因為他是genetic sampling,所以執行很久! 換個方法,或提升硬體設備!