BeFair：解决银行业中的公平性问题
机器学习
2021-06-15 v2 计算机与社会
摘要
算法偏差缓解一直是数据科学界与机器学习（Machine Learning, ML）专家面临的最棘手难题之一。多年来，ML 公平性领域出现了大量努力。尽管在识别偏差与设计公平算法方面取得进展，将其转化为工业应用仍是一项重大挑战。本文展示银行业一项产业开放创新项目的初步结果：我们提出 ML 公平性的通用路线图，并实现名为 BeFair 的工具包，用以识别与缓解偏差。结果表明，在无显式约束下训练模型可能导致预测中偏差加剧。
引用
@article{arxiv.2102.02137,
title = {BeFair: Addressing Fairness in the Banking Sector},
author = {Alessandro Castelnovo and Riccardo Crupi and Giulia Del Gamba and Greta Greco and Aisha Naseer and Daniele Regoli and Beatriz San Miguel Gonzalez},
journal= {arXiv preprint arXiv:2102.02137},
year = {2021}
}
备注
6 pages, 3 figures