通过提升指数族充分统计量实现公平密度
机器学习
2023-08-16 v4 机器学习
摘要
我们引入一种提升（boosting）算法来预处理数据以实现公平性。从初始公平但不准确的分布出发，我们的方法在向更好数据拟合偏移的同时仍确保最小的公平性保证。为此，它以符合提升收敛的方式学习指数族的充分统计量。重要的是，我们能够从理论上证明所学分布将具有表示率与统计率的数据公平性保证。与近期基于优化的预处理方法不同，我们的方法可轻易适配连续域特征。此外，当弱学习器被指定为决策树时，可检视所学分布的充分统计量，以期为（不）公平性的来源提供线索。我们给出了经验结果以展示在真实数据上结果的质量。
引用
@article{arxiv.2012.00188,
title = {Fair Densities via Boosting the Sufficient Statistics of Exponential Families},
author = {Alexander Soen and Hisham Husain and Richard Nock},
journal= {arXiv preprint arXiv:2012.00188},
year = {2023}
}
备注
Published in Proceedings of the 40th International Conference on Machine Learning (ICML2023)