聚类中的个体公平概念
机器学习
2020-06-11 v1 机器学习
摘要
公平机器学习（尤其是公平分类）中一个常见的区分是群体公平与个体公平。在聚类背景下，群体公平近年已被广泛研究；然而，聚类的个体公平几乎未被探索。本文提出一种自然的聚类个体公平概念。我们的概念要求每个数据点平均而言与其自身簇中的点比与其他任何簇中的点更近。我们研究了与所提个体公平概念相关的若干问题。在负面结果方面，我们证明判断给定数据集是否允许这样的个体公平聚类一般是NP难的。在正面结果方面，对于数据集位于实数轴上的特例，我们提出一种高效的动态规划方法来寻找个体公平聚类。对一般数据集，我们研究了旨在最小化个体公平违例数量的启发式方法，并在真实数据集上将其与标准聚类方法进行比较。
引用
@article{arxiv.2006.04960,
title = {A Notion of Individual Fairness for Clustering},
author = {Matthäus Kleindessner and Pranjal Awasthi and Jamie Morgenstern},
journal= {arXiv preprint arXiv:2006.04960},
year = {2020}
}