使用部分信息分解的群体公平权衡统一视角

本文引入了一种新颖的信息论视角，用于理解机器学习中突出的群体公平概念之间的关系，即统计平等、均等几率和预测平等。众所周知，同时满足这三个公平概念通常是不可能的，这促使从业者采用近似公平解决方案，而不是严格满足这些定义。然而，对它们之间相互关系的全面分析，特别是在它们未被精确满足时，仍然在很大程度上未被探索。我们的主要贡献在于利用信息论中的部分信息分解(PID)工作，阐明了这三种（不）公平度量之间的精确关系。在这项工作中，我们利用PID来识别这些（不）公平度量重叠的细粒度区域，以及它们彼此不一致导致潜在权衡的区域。我们还包含了数值模拟来补充我们的结果。