一种用于多类数据集去偏的归约至二分类方法
机器学习
2022-10-11 v2
摘要
我们提出一种新颖的归约至二分类（R2B）方法，通过将具有非二值敏感属性的多类分类归约为一系列二分类去偏任务，从而强制实现人口均等。我们证明 R2B 满足最优性与偏差保证，并实证表明其相较两种基线有所改进：（1）将多类问题视为多标签并独立去偏各标签，以及（2）变换特征而非标签。令人惊讶的是，我们还证明独立标签去偏在大多数（但非全部）设定下取得了有竞争力的结果。我们在来自社会科学、计算机视觉与医疗的合成及真实世界数据集上验证了这些结论。
引用
@article{arxiv.2205.15860,
title = {A Reduction to Binary Approach for Debiasing Multiclass Datasets},
author = {Ibrahim Alabdulmohsin and Jessica Schrouff and Oluwasanmi Koyejo},
journal= {arXiv preprint arXiv:2205.15860},
year = {2022}
}
备注
18 pages, 5 figures