“公平性”的不可能性:决策的广义不可能性结果
应用统计
2017-09-13 v3 人工智能
机器学习
摘要
多种度量可用于估计预测因子中的偏差或不公平性。先前工作已确立其中某些度量彼此不相容。在此我们表明,当各群体在预测事件的患病率上不同时,若干直观、合理的公平性度量(给定发生或未发生时正预测的概率;给定预测或未预测时发生的概率;以及每个群体的预测数与发生数之比)均是互斥的:若其中某一个在群体间相等,则另外两个必然不同。唯一的例外是完美或平凡(总是正或总是负)的预测因子。因此,任何非完美、非平凡的预测因子在三类合理准则中必有两类下是“不公平”的。该结果轻易推广到广泛已知的统计量(灵敏度、特异度、假阳性率、精确率等),所有这些均可划分为三个互斥的组。重要的是,该结果适用于所有预测因子,无论是算法的还是人类的。最后我们给出了在评估和设计预测方法时处理此效应的可能途径。
引用
@article{arxiv.1707.01195,
title = {The impossibility of "fairness": a generalized impossibility result for decisions},
author = {Thomas Miconi},
journal= {arXiv preprint arXiv:1707.01195},
year = {2017}
}