公平なラベルが不公平な予測をもたらす理由:導入された不公平性のためのグラフィカル条件【JST・京大機械翻訳】

Ashurst Carolyn; Carey Ryan; Chiappa Silvia; Everitt Tom

プレプリント

J-GLOBAL ID：202202220183475694 整理番号：22P0293428

公平なラベルが不公平な予測をもたらす理由:導入された不公平性のためのグラフィカル条件【JST・京大機械翻訳】

Why Fair Labels Can Yield Unfair Predictions: Graphical Conditions for Introduced Unfairness

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 (4件)： , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月23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)

訓練データにおける識別関係の再現に加えて,機械学習システムは識別効果も導入または増幅できる。紹介した不公平性としてこれに言及し,その条件下で起こる条件を調べた。この目的のために,導入した不公平性の尺度として,導入した全変動を提案し,それが生起すると考えられるグラフィカル条件を確立した。これらの基準は,特徴としての敏感な属性の追加が,よく行動された損失関数の下で導入された変動に対するインセンティブを除去することを意味する。さらに,因果的展望を取り上げて,特定の経路が公正に考慮されるべきであるとき,導入した経路特異的効果は,問題に光を当てた。【JST・京大機械翻訳】

, ,
, , 【Automatic Indexing@JST】

人工知能

前のページに戻る