基于无标签后处理的多元人口公平性约束下的回归
机器学习
2024-07-23 v1 计算机与社会
机器学习
摘要
我们解决在确保多元人口公平性的前提下进行回归的问题，即即使在推断时无法获取敏感属性。我们提出一种通用的后处理算法，该算法利用准确的回归函数估计和敏感属性预测器，生成满足多元人口公平性约束的预测。该方法涉及离散化和对光滑凸函数的随机最小化。它适用于仅涉及无标签数据进行后处理的在线后处理和多类分类任务。与先前方法不同，本方法完全基于理论驱动。我们需要对凸函数的梯度范数进行精确控制，因此需要比标准随机梯度下降更高级的技术。我们的算法基于有限样本分析和后处理界限，实验结果验证了我们的理论发现。
引用
@article{arxiv.2407.15453,
title = {Regression under demographic parity constraints via unlabeled post-processing},
author = {Evgenii Chzhen and Mohamed Hebiri and Gayane Taturyan},
journal= {arXiv preprint arXiv:2407.15453},
year = {2024}
}