通过核空间公平特征嵌入实现公平核回归
机器学习
2019-09-24 v2 机器学习
摘要
近年来，在减轻机器学习方法中不道德的人口统计偏见方面已有大量努力。然而，针对核方法的工作甚少。本文中，我们提出一种通过核空间公平特征嵌入（FKR-FE）的新公平核回归方法。受先前核空间特征选择与公平机器学习特征处理的启发，我们提出学习公平特征嵌入函数，以最小化核空间中特征分布的人口统计差异。相较于最先进的公平核回归方法与若干基线方法，我们表明 FKR-FE 在三个真实世界数据集上实现了显著更低的预测差异。
引用
@article{arxiv.1907.02242,
title = {Fair Kernel Regression via Fair Feature Embedding in Kernel Space},
author = {Austin Okray and Hui Hu and Chao Lan},
journal= {arXiv preprint arXiv:1907.02242},
year = {2019}
}
备注
ICTAI 2019, fair machine learning, kernel regression, fair feature embedding, feature selection for kernel methods, mean discrepancy