集体反事实解释：平衡个体目标与集体动态
机器学习
2025-10-01 v2 统计方法学
摘要
反事实解释为个体提供成本最优的建议，以帮助其实现期望的结果。然而，当大量个体寻求相似的状态改变时，这种以个体为中心的方法可能会无意中引发竞争并带来不可预见的成本。此外，忽视底层数据分布可能导致个体认为建议不寻常或不切实际。为了应对这些挑战，我们提出了一种新颖的框架，通过引入种群动态模型来扩展标准的反事实解释。该框架在个体遵循建议后惩罚偏离平衡状态的行为，有效缓解了由种群中相关变化引起的外部性。通过平衡个体的修改成本及其对他人的影响，我们的方法确保了更公平、更高效的结果。我们展示了该方法如何将反事实解释问题从以个体为中心的任务重构为集体优化问题。为了补充我们的理论见解，我们设计并实现了用于计算集体反事实的可扩展算法，展示了其有效性及相对于现有追索方法的优势，特别是在与集体目标保持一致方面。
引用
@article{arxiv.2402.04579,
title = {Collective Counterfactual Explanations: Balancing Individual Goals and Collective Dynamics},
author = {Ahmad-Reza Ehyaei and Ali Shirali and Samira Samadi},
journal= {arXiv preprint arXiv:2402.04579},
year = {2025}
}