公平性准则的渐进(不)兼容性
机器学习
2022-03-21 v2
摘要
不可能性结果表明,在合理的假设下,重要的公平性度量(独立性、分离性、充分性)无法同时被满足。本文探讨我们能否在一定程度上同时满足和/或改善这些公平性度量。我们引入了这些公平性度量的信息论表述,并基于这些表述定义了公平性程度。信息论表述揭示了这三种公平性度量之间未被探索的理论关系。在实验部分,我们使用信息论表达式作为正则化项,为三个标准数据集获取公平性正则化预测器。我们的实验表明:a) 公平性正则化直接提升了公平性度量,这与现有工作一致;b) 一些公平性正则化间接提升了其他公平性度量,正如我们的理论发现所表明的那样。这证明了有可能同时提升某些公平性度量被满足的程度——一些公平性度量是渐进兼容的。
引用
@article{arxiv.2109.04399,
title = {Gradual (In)Compatibility of Fairness Criteria},
author = {Corinna Hertweck and Tim Räz},
journal= {arXiv preprint arXiv:2109.04399},
year = {2022}
}
备注
Code available on GitHub: https://github.com/hcorinna/gradual-compatibility, extended version of paper accepted to AAAI'22