一种面向公平机器学习的新型正则化方法
机器学习
2022-08-16 v1
摘要
已有许多方法被提出用于公平机器学习（fair ML）问题，其中大多复杂，且许多高度依赖于底层ML方法。本文引入一种简单、易解释且潜在适用于多种标准ML算法的新方法。显式去权特征（EDF）降低了各敏感变量代理特征的影响，允许对每个此类特征施加不同程度的去权。用户指定去权超参数，以在效用/公平权衡谱上达到给定点。我们还引入了一种用于评估任何公平ML方法所提供保护程度的新型简单准则。
引用
@article{arxiv.2208.06557,
title = {A Novel Regularization Approach to Fair ML},
author = {Norman Matloff and Wenxi Zhang},
journal= {arXiv preprint arXiv:2208.06557},
year = {2022}
}