本稿では，機械学習モデルから所望の予測結果を得るためのアクションを説明として提示する反実仮想説明（counterfactual explanation, CE）に着目し，欠損値を含む入力インスタンスに対しても有効なアクションを提示する新しいCE手法を提案する．はじめに，一般的な欠損値補完手法がアクションの内容や有効性，コストに対して大きな影響を与えることを実験的に示し，そのリスクについて理論解析を与える．これらのリスクを緩和し有効なアクションを提示するために，欠損値がどのような値であっても有効かつ低コストなアクションを高い確率で含むように補完とアクションの組の集合を構築するタスクを定式化し，これが劣モジュラ最大化問題であることを示す．
