论文提出方向性影响函数（DIF），用于估计单个训练样本扰动或移除对约束学习解的影响。方法将约束优化的一阶最优性条件表述为变分不等式，并分析数据扰动对该不等式的影响。在约束线性回归和公平性约束CNN实验中，DIF据称比经典影响函数及基于惩罚的变体更接近留一法重训练结果。
最近 24 小时暂无可用热度快照。