RKHS 中的均值均等公平回归
机器学习
2023-02-22 v1 机器学习
摘要
我们在均值均等（MP）公平这一概念下研究公平回归问题，其要求所学函数输出的条件均值关于敏感属性为常数。我们通过利用再生核希尔伯特空间（RKHS）来构造函数空间以解决此问题，该空间中的成员保证满足公平约束。所提函数空间给出了公平回归问题的闭式解，其天然兼容多个敏感属性。此外，通过将公平-精度权衡表述为松弛的公平回归问题，我们推导出一个可高效实现并提供可解释权衡的相应回归函数。更重要的是，在一些温和假设下，所提方法可应用于具有基于协方差的公平概念的回归问题。在基准数据集上的实验结果表明，相比于若干最先进方法，所提方法取得了有竞争力甚至更优的性能。
引用
@article{arxiv.2302.10409,
title = {Mean Parity Fair Regression in RKHS},
author = {Shaokui Wei and Jiayin Liu and Bing Li and Hongyuan Zha},
journal= {arXiv preprint arXiv:2302.10409},
year = {2023}
}
备注
Accepted by AISTATS 2023. Code available at https://github.com/shawkui/MP_Fair_Regression