无意识公平性：面向受保护类别的层次随机森林
机器学习
2021-07-01 v1 计算机与社会
应用统计
摘要
程序公平一直是公众关切的问题，在针对受保护类别（如种族、社会地位和残疾）做出决策时会引发争议。某些受保护类别可根据姓氏和地理位置等安全代理变量推断得出。因此，在决策时隐式利用基于相关代理变量预测的受保护类别，是规避该问题并寻求公正决策的一种有效途径。在本文中，我们提出一种层次随机森林模型，用于在不显式涉及受保护类别的情况下进行预测。我们进行了仿真实验以展示该层次随机森林模型的性能。并分析了来自波士顿警方访谈记录的一个实例，以说明所提模型的实用性。
引用
@article{arxiv.2106.15767,
title = {Unaware Fairness: Hierarchical Random Forest for Protected Classes},
author = {Xian Li},
journal= {arXiv preprint arXiv:2106.15767},
year = {2021}
}