基于私有人口统计数据的公平学习
机器学习
2020-07-14 v2 计算机与社会
机器学习
摘要
种族等敏感属性在真实世界场景中很少对学习者可用，因为其收集常受法律法规限制。我们给出一种方案，使个体能够私下发布其敏感信息，同时仍允许任何下游实体学习无歧视预测器。我们展示了如何调整无歧视学习者以使用私有化受保护属性，从而给出关于性能的理论保证。最后，我们强调了该方法如何可应用于受保护属性仅对数据子集可用的设定中的公平预测器学习。
引用
@article{arxiv.2002.11651,
title = {Fair Learning with Private Demographic Data},
author = {Hussein Mozannar and Mesrob I. Ohannessian and Nathan Srebro},
journal= {arXiv preprint arXiv:2002.11651},
year = {2020}
}
备注
ICML 2020