集成预处理算法能否带来更好的机器学习公平性？
机器学习
2022-12-07 v1 人工智能
计算机与社会
摘要
随着机器学习（ML）系统在更关键领域中被采用，解决这些系统中可能出现的偏差已变得愈发重要。已有若干公平性预处理算法可用于缓解模型训练中的隐性偏差。这些算法采用不同的公平性概念，常导致相互冲突的策略以及公平性与准确性之间的重要权衡。本工作中，我们评估了三种流行的公平性预处理算法，并探究将所有算法组合为更鲁棒的预处理集成体的潜力。我们汇报了所得经验，可帮助从业者为其模型更好地选择公平性算法。
引用
@article{arxiv.2212.02614,
title = {Can Ensembling Pre-processing Algorithms Lead to Better Machine Learning Fairness?},
author = {Khaled Badran and Pierre-Olivier Côté and Amanda Kolopanis and Rached Bouchoucha and Antonio Collante and Diego Elias Costa and Emad Shihab and Foutse Khomh},
journal= {arXiv preprint arXiv:2212.02614},
year = {2022}
}