解释单元层面变化的根本原因

现有的可解释AI与可解释ML方法无法从输入值的变化以及“机制”（将输入转换为输出的函数）的变化的角度，解释统计单元的输出变量值的变化。我们提出两种基于反事实的方法，利用博弈论中的Shapley值概念，在不同输入粒度上解释单元层面的变化。这些方法满足任何单元层面变化归因方法所期望的两个关键公理。通过模拟，我们研究了所提方法的可靠性与可扩展性。我们从一个关于识别美国个人收入变化驱动因素的案例研究中获得了合理的结果。