记忆化如何提升公平性？
机器学习
2024-12-13 v1 计算机与社会
摘要
我们研究在多类分类问题中，通过记忆化子集人群来影响加法公平指标(统计比例、平等机会和平等机会)的程度。我们给出记忆化导致偏差的结果表达式，基于记忆化数据集中标签和群体成员分布以及未记忆化数据集上的分类器偏差。我们还 characterize 能够消除这三种指标所有偏差的记忆化数据集。最后我们给出总概率质量在记忆化数据集中消除这些偏差所必需的上界和下界。
引用
@article{arxiv.2412.09254,
title = {When Can Memorization Improve Fairness?},
author = {Bob Pepin and Christian Igel and Raghavendra Selvan},
journal= {arXiv preprint arXiv:2412.09254},
year = {2024}
}