面向无监督学习算法与人类流程公平性审计的研究
人工智能
2022-09-27 v1 计算机与社会
机器学习
摘要
现有关于公平性的工作通常聚焦于使已知的机器学习算法更公平。分类、聚类、离群点检测及其他类型算法的公平变体已然存在。然而，一个研究不足的方向是对算法输出进行审计以确定公平性。已有工作利用统计 parity 的标准定义，探索了二值受保护状态变量的两组分类问题。在此，我们拓展审计领域，在更复杂的公平性定义下探索多组设定。
引用
@article{arxiv.2209.11762,
title = {Towards Auditing Unsupervised Learning Algorithms and Human Processes For Fairness},
author = {Ian Davidson and S. S. Ravi},
journal= {arXiv preprint arXiv:2209.11762},
year = {2022}
}
备注
22 pages, 3 figures