面向个体与群体公平性的偏差缓解后处理方法
机器学习
2018-12-18 v1 计算机与社会
机器学习
摘要
以往的偏差缓解后处理方法仅针对群体公平性以提高有偏分类器预测的公平性，我们提出了一种同时提升个体与群体公平性的方法。我们的新颖框架包含一个个体偏差检测器，用于在偏差缓解算法中优先处理数据样本，旨在改善差异影响的群体公平性度量。在信用、就业和刑事司法等应用上的多个真实世界数据集中，我们在分类准确率、个体公平性和群体公平性的综合表现上优于以往工作。
引用
@article{arxiv.1812.06135,
title = {Bias Mitigation Post-processing for Individual and Group Fairness},
author = {Pranay K. Lohia and Karthikeyan Natesan Ramamurthy and Manish Bhide and Diptikalyan Saha and Kush R. Varshney and Ruchir Puri},
journal= {arXiv preprint arXiv:1812.06135},
year = {2018}
}
备注
5 pages, 4 figures