FairWASP：快速且最优的公平 Wasserstein 预处理方法

近年来，旨在减少不同子群体间模型输出差异的机器学习方法激增。在许多场景中，训练数据可能被不同用户用于多个下游应用，这意味着对训练数据本身进行干预可能最为有效。在这项工作中，我们提出 FairWASP，一种新颖的预处理方法，旨在不修改原始数据的情况下减少分类数据集中的差异。FairWASP 返回样本级权重，使得重加权后的数据集在满足（经验版本的）人口平等这一流行公平性准则的同时，最小化到原始数据集的 Wasserstein 距离。我们从理论上证明整数权重是最优的，这意味着我们的方法可等价理解为复制或删除样本。因此，FairWASP 可用于构建可输入任何分类方法的数据集，而不仅仅是接受样本权重的方法。我们的工作基于将预处理任务重新表述为一个大规模混合整数规划（MIP），为此我们提出了一种基于割平面法的高效算法。实验表明，我们提出的优化算法在求解 MIP 及其线性规划松弛时显著优于最先进的商业求解器。进一步的实验突出了 FairWASP 在减少差异的同时保持下游分类设置中准确性的竞争性能。