公平主动学习
机器学习
2020-07-03 v2 机器学习
摘要
机器学习(ML)正日益被用于影响社会的高风险应用中。因此,ML模型不传播歧视具有至关重要的意义。在社会应用中收集准确的标注数据具有挑战性且成本高昂。主动学习是一种有前景的方法,通过在标注预算内交互式地查询预言机来构建准确的分类器。我们设计了公平主动学习算法,精心选择待标注的数据点,以平衡模型准确性与公平性。具体而言,我们关注人口均等——一种广泛使用的公平性度量。在基准数据集上的大量实验证明了我们所提方法的有效性。
引用
@article{arxiv.2006.13025,
title = {Fair Active Learning},
author = {Hadis Anahideh and Abolfazl Asudeh and Saravanan Thirumuruganathan},
journal= {arXiv preprint arXiv:2006.13025},
year = {2020}
}
备注
This was intended as a replacement of arXiv:2001.01796 please see the updated version there