通过最优传输投影检验群体公平性
机器学习
2021-06-03 v1 计算机与社会
机器学习
统计理论
统计理论
摘要
我们提出一个统计检验框架，用于检测给定机器学习分类器是否未能满足广泛的群体公平性概念。所提出的检验是一种灵活、可解释且统计严谨的工具，用于审查所表现的偏差是算法固有的还是源于数据中的随机性。由定义群体公平性的多重影响准则及其在模型参数上不连续所带来的统计挑战，通过利用最优传输将经验测度投影到群体公平概率模型集合上得以便捷解决。该统计量使用线性规划高效计算，并显式给出了其渐近分布。所提框架也可用于检验复合公平性假设以及具有多个敏感属性的公平性。最优传输检验公式通过刻画消除审查中观测偏差的最小协变量扰动来提升可解释性。
引用
@article{arxiv.2106.01070,
title = {Testing Group Fairness via Optimal Transport Projections},
author = {Nian Si and Karthyek Murthy and Jose Blanchet and Viet Anh Nguyen},
journal= {arXiv preprint arXiv:2106.01070},
year = {2021}
}