面向个体公平的事后处理

算法公平中的事后处理是一种用于纠正已投入生产的机器学习系统中偏见的通用方法。事后处理的主要吸引力在于它避免了昂贵的重新训练。在这项工作中，我们提出了针对个体公平 (IF) 的通用事后处理算法。我们考虑这样一种设定：学习器仅能访问原始模型的预测结果以及个体之间的相似度图，该图指导所需的公平性约束。我们将个体公平事后处理问题表述为对应于图拉普拉斯正则化的图平滑问题，从而保留所期望的“相似个体相似对待”的解释。我们的理论结果展示了新目标函数与原始个体公平的局部松弛之间的联系。在实证上，我们的事后处理算法在 BERT 等大规模 NLP 模型中纠正了个体偏见，同时保持了准确率。