予測レートパリティによるアルゴリズムBiasの検出と軽減【JST・京大機械翻訳】

DiCiccio Cyrus; Hsu Brian; Yu YinYin; Nandy Preetam; Basu Kinjal

プレプリント

J-GLOBAL ID：202202209123451199 整理番号：22P0330369

予測レートパリティによるアルゴリズムBiasの検出と軽減【JST・京大機械翻訳】

Detection and Mitigation of Algorithmic Bias via Predictive Rate Parity

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2023年05月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

予測パリティ(PP)は,充足としても知られており,モデル出力がグループに関係なく予想結果の同じ解釈を持つ必要があるという,基本的には,アルゴリズム公平性のコア定義である。テストと満足するPPは,モデルスコアが人間によって解釈され,ヘルスケアやバンキングのような機会へのアクセスを直接提供する多くの設定で特に重要である。PP違反の解決策は,主にモデル較正のレンズを通して研究された。しかし,既存のキャリブレーションベース試験および緩和法が独立したデータのために設計され,それはソーシャルメディアまたは医療試験のような大規模アプリケーションにおいてしばしば消耗されないことを見出した。本研究では,従属観測によるPPに対する統計的に厳密なノンパラメトリック回帰ベース試験を開発することによりこの問題に取り組んだ。次に,この試験を適用して,PP試験が2つの仮定の下で著しく異なることを示した。最後に,PPを達成するために最小バイアス後処理変換関数を提供するための緩和解を提供した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , ロボットの運動・制御 , システム・制御理論一般

, , ,

前のページに戻る