用于算法公平性的队列 Shapley 值
机器学习
2021-05-20 v1 人工智能
计量经济学
机器学习
摘要
队列 Shapley 值是一种基于博弈论的无模型变量重要性方法，不使用任何未观测且可能不可能的特征组合。我们以著名的 COMPAS 再犯数据为例，使用它来评估算法公平性。该方法允许人们为数据集中的每个个体识别其受受保护属性（如种族）取值不利或有利影响的程度。即使种族不是原始预测变量之一，且即使无法访问已作出预测的专有算法，该方法也能做到这一点。基于博弈论的基础使我们能够定义与每主体定义一致的数据集聚合变量重要性。我们可以调查公平性文献中多个关注量的变量重要性，包括假阳性预测。
引用
@article{arxiv.2105.07168,
title = {Cohort Shapley value for algorithmic fairness},
author = {Masayoshi Mase and Art B. Owen and Benjamin B. Seiler},
journal= {arXiv preprint arXiv:2105.07168},
year = {2021}
}