超越 Adult 与 COMPAS：多类预测中的公平性
机器学习
2022-06-17 v1 计算机与社会
信息论
math.IT
摘要
我们考虑为多类分类任务生成公平的概率分类器的问题。我们将此问题表述为将一个预训练（且可能不公平）的分类器“投影”到满足目标群体公平性要求的模型集合上。新的投影模型通过对预训练分类器的输出乘以一个因子进行后处理得到。我们提供了一种可并行化的迭代算法来计算投影分类器，并给出了样本复杂度和收敛性保证。与最先进基准的全面数值比较表明，我们的方法在准确率-公平性权衡曲线上保持有竞争力的性能，同时在大型数据集上实现了良好的运行时间。我们还在具有多个类别、多个交叉受保护群体以及超过 100 万样本的开源数据集上大规模评估了我们的方法。
引用
@article{arxiv.2206.07801,
title = {Beyond Adult and COMPAS: Fairness in Multi-Class Prediction},
author = {Wael Alghamdi and Hsiang Hsu and Haewon Jeong and Hao Wang and P. Winston Michalak and Shahab Asoodeh and Flavio P. Calmon},
journal= {arXiv preprint arXiv:2206.07801},
year = {2022}
}
备注
46 pages, 15 figures