FairPilot：一个从公平性视角进行超参数调优的探索性系统
机器学习
2023-04-11 v1
摘要
尽管机器学习（ML）在高风险决策领域具有潜在益处，但从业者难以部署 ML，且存在歧视风险。为在此类领域建立对 ML 的信任与接受度，ML 工具的民主化和公平性考量至关重要。本文介绍 FairPilot，一个交互式系统，旨在通过探索各种模型、不同超参数以及广泛公平性定义的组合，促进 ML 模型的负责任开发。我们强调选择“最佳”ML 模型的挑战，并展示 FairPilot 如何允许用户选择一组评估标准，随后将模型与超参数的帕累托前沿显示为交互式地图。FairPilot 是首个结合这些功能的系统，为用户负责任地选择模型提供了独特机会。
引用
@article{arxiv.2304.04679,
title = {FairPilot: An Explorative System for Hyperparameter Tuning through the Lens of Fairness},
author = {Francesco Di Carlo and Nazanin Nezami and Hadis Anahideh and Abolfazl Asudeh},
journal= {arXiv preprint arXiv:2304.04679},
year = {2023}
}