Jun, 2023
通过 Wasserstein Barycenters 实现多任务学习的公平性
Fairness in Multi-Task Learning via Wasserstein Barycenters
François Hu, Philipp Ratz, Arthur Charpentier
TL;DR本文提出一种用于多任务学习的算法公平性方法,该方法通过使用多项 Wasserstein barycenter 扩展 “Strong Demographic Parity” 的定义,为具有回归和二分类任务的多任务学习器提供了封闭形式解决方案,并应用于合成和现实数据集上以展示其在促进公平决策方面的实际价值。