FairML：面向公平分类的 Julia 包
机器学习
2024-12-10 v3 最优化与控制
摘要
本文提出了 FairML.jl，一个为机器学习中的公平分类提供框架的 Julia 包。在该框架中，将公平学习过程分为三个阶段。每个阶段旨在减少最终预测中的不公平，如差异影响和差别对待。在预处理阶段，我们提出了一种解决数据不平衡引起的不公平的重抽样方法。在处理阶段包括一种分类方法，这既可以来自 MLJ.jl 包，也可以是用户自定义的方法。在该阶段，我们将能够在一定程度上通过优化过程处理不公平的公平机器学习方法纳入其中。在后处理阶段，我们讨论了公平预测的阈值选择。通过仿真实验，我们展示了单个阶段及其组合的性能。
引用
@article{arxiv.2412.01585,
title = {FairML: A Julia Package for Fair Classification},
author = {Jan Pablo Burgard and João Vitor Pamplona},
journal= {arXiv preprint arXiv:2412.01585},
year = {2024}
}
备注
25 pages, 8 figures