TL;DR提出 CLEAR 方法来解释分类器预测结果，该方法可以生成最小改变以翻转预测结果的 w 反事实解释，并使用这些反事实解释来建立本地回归模型，从而提高模型的保真度。相比之下，流行的 LIME 方法没有测量自身的保真度或生成反事实解释。
Abstract
We propose a novel method for explaining the predictions of any classifier.
In our approach, local explanations are expected to explain both the outcome of
a prediction and how that prediction would change if 'th