BriefGPT.xyz
Jan, 2022
通过平衡影响训练公平的深度神经网络
Training Fair Deep Neural Networks by Balancing Influence
HTML
PDF
Haonan Wang, Ziwei Wu, Jingrui He
TL;DR
我们提出了一个名为FAIRIF的两阶段训练算法,它可以应用于一系列使用随机梯度下降训练的模型,并通过在小型验证集上计算样本权重来实现跨不同人口群体的模型性能平衡,从而缓解先前机器学习算法中存在的不公平问题。在合成数据集和实际数据集上的实验表明,FAIRIF可以在牺牲很少的模型实用性的情况下实现更好的公平性-实用性权衡。
Abstract
Most
fair machine learning
methods either highly rely on the sensitive information of the training samples or require a large modification on the target models, which hinders their practical application. To address this issue, we propose a
→