指数权重的公平性
机器学习
2025-02-18 v2
摘要
出于消除某些应用中歧视的需要，我们开发了一种元算法，可将 Hedge（等价于离散贝叶斯推断算法）的任意高效实现转换为等效的上下文多臂赌博机问题的高效算法，该算法保证在每次试验中实现精确统计 parity。相对于任何具有统计 parity 的比较器，所得算法具有与对每个受保护特征独立运行对应 Exp4 实例相同的渐近 regret 界。鉴于我们的 Hedge 实例允许非平稳性，我们可以处理用于强制统计 parity 的变化分布，这在真实总体未知且需要从已接收数据中估计时非常有用。通过在线到批量转换，我们可以处理等效的批量分类问题并实现精确统计 parity，我们认为这些结果本身具有新颖性和重要性。
引用
@article{arxiv.2411.04295,
title = {Fairness with Exponential Weights},
author = {Stephen Pasteris and Chris Hicks and Vasilios Mavroudis},
journal= {arXiv preprint arXiv:2411.04295},
year = {2025}
}