机器学习刑事累犯模型的准确性、公平性与可解释性
计算机与社会
2022-09-29 v1 机器学习
摘要
刑事累犯模型是已被美国各地假释委员会广泛采用以辅助假释决策的工具。这些模型接收关于个人的大量数据，并预测该个人若在假释期间获释是否会犯罪。尽管此类模型并非作出最终假释决定的唯一或主要因素，但对其准确性、公平性与可解释性的质疑已被提出。在本文中，基于来自美国佐治亚州的真实世界假释决策数据集，创建了多种基于机器学习的刑事累犯模型。这些累犯模型在准确性、公平性与可解释性方面被 comparative 评估。研究发现，在准确性、公平性与内在可解释性之间存在显著差别与权衡。因此，最佳模型的选择取决于在准确性、公平性与可解释性之间所期望的平衡，因为没有模型是完美的或在各不同标准下始终最佳。
引用
@article{arxiv.2209.14237,
title = {Accuracy, Fairness, and Interpretability of Machine Learning Criminal Recidivism Models},
author = {Eric Ingram and Furkan Gursoy and Ioannis A. Kakadiaris},
journal= {arXiv preprint arXiv:2209.14237},
year = {2022}
}