公正预测建模与代理变量的使用
统计方法学
2022-01-11 v4
摘要
公平性感知数据挖掘（FADM）旨在防止算法对受保护群体产生歧视。关于什么构成了可解释的变异性而非歧视，现有文献陷入了僵局。这一区分取决于对代理变量作用的严格理解；即那些既与受保护特征相关，又与感兴趣结果相关的变量。我们证明，通过确保对敏感特征保持公正可以实现公平性，并通过考虑数据生成过程的不同视角提供了一个公正性框架。特别地，公平性只有在所有协变量均被观测到的全数据场景下才能被精确定义。随后，我们分析了在部分数据场景下如何通过回归保守地估计这些模型。分解回归估计为可解释的变异性和歧视之间此前未被探讨的区别提供了见解，从而阐明了代理变量在公平性感知数据挖掘中的使用。
引用
@article{arxiv.1608.00528,
title = {Impartial Predictive Modeling and the Use of Proxy Variables},
author = {Kory D. Johnson and Dean P. Foster and Robert A. Stine},
journal= {arXiv preprint arXiv:1608.00528},
year = {2022}
}