FACEGroup：面向群体公平性的可行且可操作的反事实解释

反事实解释通过揭示输入必须如何改变才能达到期望的结果来评估不公平性。本文介绍了第一个基于图的框架，用于生成群体反事实解释以审计群体公平性，这是可信机器学习的一个关键方面。我们的框架 FACEGroup（面向群体公平性的可行且可操作的反事实解释）对现实世界的可行性约束进行建模，识别具有相似反事实的子群体，并捕捉反事实生成中的关键权衡，从而区别于现有方法。为了评估公平性，我们为群体和子群体层面的分析引入了新颖的指标，这些指标明确考虑了这些权衡。在基准数据集上的实验表明，FACEGroup 能够有效地生成可行的群体反事实，同时考虑到权衡，并且我们的指标能够捕捉并量化公平性差异。