公平因果特征选择
机器学习
2023-09-19 v2
摘要
面向分类决策任务的公平特征选择近来受到研究者显著关注。然而，现有公平特征选择算法未能充分解释特征与敏感属性间的因果关系，可能影响公平特征识别的准确性。为解决此问题，我们提出一种称为 FairCFS 的公平因果特征选择算法。具体而言，FairCFS 构建局部因果图以识别类别与敏感变量的 Markov 毯，从而阻断敏感信息传输以选择公平因果特征。在七个公共真实数据集上的大量实验验证，FairCFS 与八种最先进特征选择算法相比具有相当精度，同时展现出更优的公平性。
引用
@article{arxiv.2306.10336,
title = {Fair Causal Feature Selection},
author = {Zhaolong Ling and Enqi Xu and Peng Zhou and Liang Du and Kui Yu and Xindong Wu},
journal= {arXiv preprint arXiv:2306.10336},
year = {2023}
}