기존 머신러닝 모델의 고정된 예측은 개인의 결과 변화를 막을 수 있다는 문제점을 지적하며, 기존의 pointwise 방식 감사는 기존 데이터셋에 의존하고 샘플 외부 데이터의 고정 예측을 예측하지 못한다는 한계를 제시한다. 본 논문은 특징 공간에서 모든 개인이 고정된 예측을 받는 제한된 영역을 찾음으로써 고정된 예측을 식별하는 새로운 패러다임을 제시한다. 이는 샘플 외부 데이터에 대한 recourse 인증을 가능하게 하고, 대표 데이터셋 없이도 작동하며, 고정된 예측을 가진 개인에 대한 해석 가능한 설명을 제공한다. 선형 분류기의 제한된 영역을 발견하기 위해 혼합 정수 이차 제약 프로그래밍을 사용하는 빠른 방법을 개발하고, 다양한 응용 분야에서 제한된 영역에 대한 포괄적인 실험 연구를 수행한다. 기존의 pointwise 검증 방법은 미래의 고정 예측 개인을 예측하지 못하는 반면, 제시된 방법은 이들을 식별하고 해석 가능한 설명을 제공한다는 것을 실험 결과를 통해 보여준다.
