FairGAN：公平性感知生成对抗网络
机器学习
2018-05-30 v1 计算机与社会
机器学习
摘要
公平性感知学习在数据挖掘中日益重要。歧视预防旨在防止训练数据中的歧视在被用于预测分析之前产生影响。在本文中，我们关注公平数据生成，以确保生成的数据无歧视。受生成对抗网络（GAN）启发，我们提出了公平性感知生成对抗网络，称为 FairGAN，它能够学习一个生成公平数据同时保持良好数据效用的生成器。与朴素的公平数据生成模型相比，FairGAN 进一步确保了在生成数据上训练的分类器能够在真实数据上实现公平分类。在真实数据集上的实验表明了 FairGAN 的有效性。
引用
@article{arxiv.1805.11202,
title = {FairGAN: Fairness-aware Generative Adversarial Networks},
author = {Depeng Xu and Shuhan Yuan and Lu Zhang and Xintao Wu},
journal= {arXiv preprint arXiv:1805.11202},
year = {2018}
}