机器学习分类器的偏差缓解：综合性综述
机器学习
2023-10-12 v4
摘要
本文对用于实现机器学习（ML）模型公平性的偏差缓解方法进行了综合性综述。我们共收集了341篇关于ML分类器偏差缓解的文献。这些方法可根据其干预流程（即预处理、处理中、后处理）及所应用技术加以区分。我们调研了现有偏差缓解方法在文献中的评估方式，具体考察了数据集、度量指标与基准测试。基于所获取的见解（例如：最流行的公平性度量是什么？有多少数据集被用于评估偏差缓解方法？），我们希望能支持实践者在开发与评估新偏差缓解方法时做出明智选择。
引用
@article{arxiv.2207.07068,
title = {Bias Mitigation for Machine Learning Classifiers: A Comprehensive Survey},
author = {Max Hort and Zhenpeng Chen and Jie M. Zhang and Mark Harman and Federica Sarro},
journal= {arXiv preprint arXiv:2207.07068},
year = {2023}
}
备注
52 pages, 7 figures