时间序列预测的反事实解释

原文约200字，阅读约需1分钟。发表于：。

本研究提出了一种用于时间序列预测的算法 ForecastCF，通过对原始时间序列应用基于梯度的扰动，并应用约束来引导扰动，以获得预期的预测结果。实验结果表明，ForecastCF 在反事实有效性和数据流形接近度方面优于基线模型，可以为各种预测任务生成有意义和相关的反事实解释。

本文探讨了反事实解释的脆弱性和易受操纵的问题，并提出了训练明显公平模型的新目标。实验发现，这些模型可能会不公平地提供低成本的救济措施给特定的子群体，需要探索健壮性反事实解释。