数据发布中实现非歧视性的方法
机器学习
2016-11-23 v1
摘要
歧视发现与预防/消除在数据挖掘中正成为日益重要的任务。歧视发现旨在通过分析历史决策记录数据集，揭示针对受保护属性（如性别）的歧视性做法；歧视预防则旨在通过在进行预测分析之前修改有偏数据来消除歧视。本文表明，歧视发现与预防的关键在于找到可用于为歧视判定提供定量证据的有意义划分。借助因果图的支持，我们给出了识别有意义划分的图形化条件。在此基础上，我们提出了一个判定非歧视性的简单准则，并开发了能够精确消除歧视同时保持良好数据效用的歧视消除算法。使用真实数据集的实验证明了我们方法的有效性。
引用
@article{arxiv.1611.07438,
title = {Achieving non-discrimination in data release},
author = {Lu Zhang and Yongkai Wu and Xintao Wu},
journal= {arXiv preprint arXiv:1611.07438},
year = {2016}
}