纵向反事实:约束与机遇
机器学习
2024-03-04 v1 计算机与社会
摘要
反事实解释是为数据主体提供补救措施的常用方法。然而,当前的方法论可能会产生主体无法实现的反事实,使得在实践中难以证明将反事实用于补救措施的合理性。尽管人们一致认为,在使用反事实进行算法补救时,合理性是一个重要质量指标,但真实合理性继续难以量化。在本文中,我们提出利用纵向数据来评估和提高反事实的合理性。具体而言,我们开发了一种度量标准,用于比较纵向差异与反事实差异,从而评估反事实与先前观察到的变化的相似程度。此外,我们利用该度量标准生成合理的反事实。最后,我们讨论了使用反事实进行补救所固有的一些困难。
引用
@article{arxiv.2403.00105,
title = {Longitudinal Counterfactuals: Constraints and Opportunities},
author = {Alexander Asemota and Giles Hooker},
journal= {arXiv preprint arXiv:2403.00105},
year = {2024}
}