基于Blackwell可逼近性的公平在线学习统一方法
机器学习
2021-11-09 v2 人工智能
计算机与社会
机器学习
摘要
我们提供了一种设定与通用方法，用于具有随机敏感与非敏感上下文的公平在线学习。该设定是玩家与自然之间的重复博弈，其中每一阶段双方基于上下文选择动作。受“无意识”概念启发，我们假设玩家在决策前只能访问非敏感上下文，同时我们讨论自然可访问敏感上下文与自然不知晓敏感上下文两种情况。调整Blackwell可逼近性理论以处理上下文分布未知的情形，我们提供了学习目标与某些公平约束相容的一般充分必要条件。该条件被实例化为（分组）无遗憾与（分组）校准目标，以及作为附加约束的群体均等。当目标与约束不相容时，所提供的框架可用于刻画二者之间的最优权衡。
引用
@article{arxiv.2106.12242,
title = {A Unified Approach to Fair Online Learning via Blackwell Approachability},
author = {Evgenii Chzhen and Christophe Giraud and Gilles Stoltz},
journal= {arXiv preprint arXiv:2106.12242},
year = {2021}
}