• 语料库ID:13633339

学习过程公平案例：公平决策的特征选择

@进行中{GrgicHlaca2016TheCF，title={学习过程公平性案例：公平决策的特征选择}，作者＝{Nina Grgic Hlaca和Muhammad Bilal Zafar以及Krishna P.Gummadi和Adrian Weller}，年份={2016年}，网址={https://api.semanticscholar.org/CorpusID:13633339}}
介绍了人们对使用各种特征的不适感的新度量，说明了如何估计这些度量，并考虑了删除不适特征对预测准确性和结果公平性的影响。
mlg.eng.cam.ac.uk（英国）
179引文
极具影响力的引文
12
背景引文
113
方法引文
18
结果引文
8

本文图表

179引文

准确性在多域算法过程公平性中的作用

研究表明，在每个领域中，公平性判断的分歧在很大程度上可以通过属性对特征的赋值来解释，并且通过使用一个领域数据中的属性赋值训练预测器并在另一个领域中进行预测，可以跨领域很好地预测公平性判断。

人类对算法决策公平性的认知：刑事风险预测案例研究

这项工作描述性地调查了用户对算法决策中公平性的看法和理由，并提出了一个框架来理解为什么人们认为某些特征在算法中是公平的还是不公平的。

LimeOut：一种提高过程公平性的集成方法

本文考虑了通过减少分类器对敏感特征的依赖性，同时提高（或至少保持）其准确性，从而使分类器更加公平的问题，并提出了一个框架，该框架依赖于基于神经的方法中的“特征删除”技术来处理进程公平性。

公平和机器公平

这项工作将这一背景下的“公平”视为各种规范性平等考虑的占位符，并探索了一些公平措施，以找出其平等主义根源并对其进行评估，既作为平等主义思想的形式化，又作为对预测系统公平要求的断言。

公平软件特征选择的信息论方法

这项工作开发了一个公平软件特征选择框架，该框架考虑了特征和决策结果之间的相关性，并基于特征准确性和区分性影响的信息理论度量。

通过解释使ML模型更公平：LimeOut案例

本文在多个数据集和多个最先进的分类器上进行了不同的实验，结果表明，LimeOut的分类器不仅提高（或至少保持）了进程公平性，还提高了其他公平性指标，如个人和组公平性、机会均等和人口均等。

算法决策中的公平性：通过因果透镜的探索

本研究使用Rubin-Neyman潜在结果框架来分析因果关系，以稳健地估计FACE和FACT，并表明FACT与FACE相比更加微妙，可以得出不同于使用FACE获得的歧视结果。

平等主义机器学习

研究了一些公平性措施，以找出其平等主义根源并对其进行评估，既作为平等主义思想的形式化，又作为预测系统公平性要求的断言。

反事实公平

本文使用因果推理工具开发了一个公平建模框架，并在法学院公平预测成功的现实问题上演示了该框架。

公平观念及其张力研究综述

调查了常用的公平概念，讨论了它们与隐私和准确性之间的紧张关系，并回顾了解决公平-准确性权衡的不同方法。
...

19参考文献

超越差别待遇和差别影响的公平：学习分类而不存在差别对待

引入了一个新的不公平性概念，即完全不同的误处理，定义为误分类率，该概念是针对基于决策边界的分类器提出的，可以很容易地作为凹凸约束纳入其公式中。

认证和消除不同影响

这项工作将不同的影响与分类准确度的度量联系起来，虽然已知，但相对而言很少受到关注，并建议根据从其他属性预测受保护类的程度来测试不同的影响。

通过意识实现公平

提出了一个公平分类的框架，该框架包括一个（假设的）任务特定度量，用于确定个体与当前分类任务的相似程度，以及一个在公平约束下最大化效用的算法，即相似的个体被相似地对待。

公平确定风险评分中的内在权衡

本文提出了公平的一些关键概念彼此不相容的一些方式，从而为思考它们之间的权衡提供了一个框架。

具有不同影响的公平预测：累犯预测工具中的偏差研究

研究表明，当累犯流行率在不同群体之间存在差异时，不能同时满足所有标准，并且当RPI未能满足错误率平衡标准时，会产生多大不同的影响。

学习公平分类器

本文介绍了一种灵活的机制，以原则的方式设计公平分类器，并在三种著名的分类器——逻辑回归、铰链损失和线性和非线性支持向量机上进行了实例验证。

学习公平陈述

我们提出了一种公平分类的学习算法，该算法既实现了组公平（受保护组中接受正分类的成员比例与…

鉴别软件数据挖掘

这种方法导致了红线化问题的精确表述，以及通过背景知识将歧视性规则与明显安全的规则关联起来的正式结果，并对德国信贷数据集的结果进行了实证评估。

假阳性、假阴性和假分析：重读“机器偏见：全国各地都有预测未来罪犯的软件。它对黑人有偏见”

共和党最近发布了一份广受欢迎的调查报告，声称刑事司法中使用的风险评估工具（称为COMPAS）对黑人被告有偏见。12…

优先抽样无差别分类

通过引入一种抽样方案，使数据不受歧视，而不是重新标记数据集，提出了CND问题的新解决方案，该方案优于的“重新称重”方法（Calders等人，2009）。