受基于 AUC 公平性约束的 AUC 优化随机方法
机器学习
2023-02-24 v3 最优化与控制
机器学习
摘要
随着机器学习日益用于高利害决策，一个新兴挑战是避免对受保护群体产生歧视性决策的不公平 AI 系统。获得公平预测模型的一种直接方法是在公平性约束下优化其预测性能来训练模型，这在对性能与公平性权衡时实现帕累托效率。在各种公平性度量中，基于 ROC 曲线下面积（AUC）的度量近期兴起，因为它们与阈值无关且对不平衡数据有效。本工作中，我们将公平感知机器学习模型的训练问题表述为受一类基于 AUC 公平性约束的 AUC 优化问题。该问题可重新表述为带极小极大约束的极小极大优化问题，我们通过基于为该问题特殊结构设计的新型 Bregman 散度的随机一阶方法求解。我们在不同公平性度量下的真实数据上数值展示了我们方法的有效性。
引用
@article{arxiv.2212.12603,
title = {Stochastic Methods for AUC Optimization subject to AUC-based Fairness Constraints},
author = {Yao Yao and Qihang Lin and Tianbao Yang},
journal= {arXiv preprint arXiv:2212.12603},
year = {2023}
}
备注
Published in AISTATS 2023