Jul, 2023
多保护属性下公平性改善的实证研究
An Empirical Study on Fairness Improvement with Multiple Protected Attributes
Zhenpeng Chen, Jie M. Zhang, Federica Sarro, Mark Harman
TL;DR该研究论文对多个受保护属性的公平性改进进行了广泛研究，涵盖了 11 种最先进的公平性改进方法。结果显示，针对单个受保护属性改进公平性会大幅降低对未考虑的受保护属性的公平性。此外，在处理多个受保护属性时，精确率和召回率的影响是单个属性的 5 倍和 8 倍，在以准确性作为机器学习性能指标的将来公平性研究中，这有重要的影响。