题目: Algorithmic Decision Making with Conditional Fairness

摘要:

当前,公平问题已成为决策系统中备受关注的问题。人们提出了各种公平概念来衡量算法的不公平程度。在实践中,经常存在一组我们称为公平变量的变量,即用户的选择等决策前协变量。公平变量的影响与评价决策支持算法的公平性无关。因此,我们定义条件公平作为一个更健全的衡量公平的条件,对公平变量。鉴于对公平变量的不同先验知识,我们证明了传统的公平符号,如人口均等和均等概率,是我们的条件公平符号的特殊情况。此外,我们提出了一种可推导的条件公平性调节器(DCFR),该调节器可集成到任何决策模型中,以跟踪算法决策精度与公平性之间的权衡。具体地说,我们在DCFR中提出了一个基于条件独立性损失的对抗性表示来衡量不公平的程度。通过对三个真实数据集的广泛实验,我们证明了我们的条件公平性表示法和DCFR的优点。

成为VIP会员查看完整内容
21

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《图神经网络知识图谱补全》综述论文
专知会员服务
153+阅读 · 2020年7月29日
【NeurIPS2019报告推荐】公平与表示学习—UIUC Sanmi Koyejo教授
实验室论文被 ICDM 2019录用
inpluslab
24+阅读 · 2019年8月20日
实验室3篇论文被IJCAI 2019录用
inpluslab
12+阅读 · 2019年5月11日
CosFace: Large Margin Cosine Loss for Deep Face Recognition论文笔记
统计学习与视觉计算组
44+阅读 · 2018年4月25日
机器学习算法实践:朴素贝叶斯 (Naive Bayes)
Python开发者
3+阅读 · 2017年7月22日
机器学习算法实践:决策树 (Decision Tree)
Python开发者
9+阅读 · 2017年7月17日
机器学习算法比较
我爱机器学习
4+阅读 · 2016年12月11日
Generating Rationales in Visual Question Answering
Arxiv
5+阅读 · 2020年4月4日
Arxiv
4+阅读 · 2018年4月10日
Arxiv
4+阅读 · 2018年4月9日
Arxiv
4+阅读 · 2016年9月20日
VIP会员
相关VIP内容
最新《图神经网络知识图谱补全》综述论文
专知会员服务
153+阅读 · 2020年7月29日
【NeurIPS2019报告推荐】公平与表示学习—UIUC Sanmi Koyejo教授
相关资讯
实验室论文被 ICDM 2019录用
inpluslab
24+阅读 · 2019年8月20日
实验室3篇论文被IJCAI 2019录用
inpluslab
12+阅读 · 2019年5月11日
CosFace: Large Margin Cosine Loss for Deep Face Recognition论文笔记
统计学习与视觉计算组
44+阅读 · 2018年4月25日
机器学习算法实践:朴素贝叶斯 (Naive Bayes)
Python开发者
3+阅读 · 2017年7月22日
机器学习算法实践:决策树 (Decision Tree)
Python开发者
9+阅读 · 2017年7月17日
机器学习算法比较
我爱机器学习
4+阅读 · 2016年12月11日
微信扫码咨询专知VIP会员