Simple Steps to Success: Axiomatics of Distance-Based Algorithmic Recourse

要約

私たちは、予測された結果を変更するための介入をユーザーに提供するアルゴリズム依存型の新しいデータ駆動型フレームワークを提案します。
リソースを計算する既存のアプローチは、いくつかの要望を満たす点のセットを見つけます。
基礎となる因果グラフへの介入、またはコスト関数の最小化。
ただし、これらの基準を満たすには、基礎となるモデル構造に関する広範な知識が必要であり、多くの場合、いくつかのドメインで非現実的な量の情報が必要になります。
私たちは、アルゴリズムリソースを計算するための、データ駆動型で計算効率の高いアプローチを提案します。
これは、ユーザーが予測結果を変更するために実行できる方向をデータマニホールド内で提案することによって実現されます。
我々は、方向ベースのアルゴリズムのリソースを計算するための公理的に正当化されたフレームワークである Stepwise Explainable Paths (StEP) を紹介します。
私たちは、StEP の徹底的な実証的および理論的調査を提供します。
StEP は、証明可能なプライバシーと堅牢性の保証を提供し、確立されたいくつかの要望に応じて最先端のものを上回ります。

要約(オリジナル)

We propose a novel data-driven framework for algorithmic recourse that offers users interventions to change their predicted outcome. Existing approaches to compute recourse find a set of points that satisfy some desiderata — e.g. an intervention in the underlying causal graph, or minimizing a cost function. Satisfying these criteria, however, requires extensive knowledge of the underlying model structure, often an unrealistic amount of information in several domains. We propose a data-driven, computationally efficient approach to computing algorithmic recourse. We do so by suggesting directions in the data manifold that users can take to change their predicted outcome. We present Stepwise Explainable Paths (StEP), an axiomatically justified framework to compute direction-based algorithmic recourse. We offer a thorough empirical and theoretical investigation of StEP. StEP offers provable privacy and robustness guarantees, and outperforms the state-of-the-art on several established recourse desiderata.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google