面向群体均等的群体盲最优传输及其约束变体
机器学习
2024-11-11 v2 最优化与控制
摘要
公平性在机器学习领域占据关键地位，尤其在涉及按受保护属性（如性别、种族）划分的群体时。现有公平学习算法主要依赖于这些受保护属性的可获取性或估计值，至少在其训练过程中如此。我们设计了一个单一的群体盲投影映射，使源数据中两群体的特征分布对齐，从而实现（人口统计）群体均等，且在映射的计算与使用过程中均不需个体样本的受保护属性取值。相反，我们的方法利用更广泛总体中特权群体与非特权群体的特征分布，以及源数据为该总体无偏表示的本质假设。我们在合成数据与真实数据上给出了数值结果。
引用
@article{arxiv.2310.11407,
title = {Group-blind optimal transport to group parity and its constrained variants},
author = {Quan Zhou and Jakub Marecek},
journal= {arXiv preprint arXiv:2310.11407},
year = {2024}
}