具有子群体公平性约束的最佳臂识别
机器学习
2023-04-11 v1 计算机与社会
机器学习
摘要
我们提出、分析并求解了具有子群体公平性约束的最佳臂识别（BAICS）问题。标准的最佳臂识别问题旨在选择期望奖励最大的臂，其中期望是对整个群体取的。BAICS问题要求所选臂必须对所有子群体（例如不同族群、年龄组或客户类型）公平，需满足每个子群体条件期望奖励大于某些阈值的约束。BAICS问题旨在以高置信度正确识别出在所有满足子群体约束的臂中期望奖励最大的臂。我们通过证明样本复杂度的闭式表示最佳可达下界来分析BAICS问题的复杂度。随后我们设计了一种算法，并证明该算法的样本复杂度在阶数上与下界匹配。我们进行了简要的数值实验以说明理论发现。
引用
@article{arxiv.2304.04091,
title = {Best Arm Identification with Fairness Constraints on Subpopulations},
author = {Yuhang Wu and Zeyu Zheng and Tingyu Zhu},
journal= {arXiv preprint arXiv:2304.04091},
year = {2023}
}