基于 AIF360 对重加权样本进行偏差缓解的综合验证
机器学习
2023-12-21 v1 人工智能
摘要
公平性 AI 旨在检测并缓解整个 AI 开发生命周期（涵盖数据策划、建模、评估和部署）中的偏差，这是伦理 AI 实施的关键方面。针对数据偏差，特别是涉及性别和种族等敏感属性的偏差，重加权样本被证明对公平性 AI 行之有效。本文对传统机器学习 (ML) 模型的重加权样本进行了系统考察，在 Adult Income 和 COMPUS 数据集上采用五种模型进行二分类，并涉及多种受保护属性。该研究利用五种公平性指标评估预测结果，揭示了重加权样本在传统 ML 模型中实现公平性方面的细微差别和模型特异性，同时也揭示了偏差动态的复杂性。
引用
@article{arxiv.2312.12560,
title = {Comprehensive Validation on Reweighting Samples for Bias Mitigation via AIF360},
author = {Christina Hastings Blow and Lijun Qian and Camille Gibson and Pamela Obiomon and Xishuang Dong},
journal= {arXiv preprint arXiv:2312.12560},
year = {2023}
}