Apr, 2024
FAIRM：通过极小极大优化实现算法公平性和领域泛化的不变表示学习
FAIRM: Learning invariant representations for algorithmic fairness and domain generalization with minimax optimality
Sai Li, Linjun Zhang
TL;DR通过不变原则，我们提出了一个具有公平性和域泛化特性的基于训练环境的 FAIRM 方法，并在弱分布假设下提供了具有有限样本理论保证的实证 FAIRM。我们开发了高效的算法来实现线性模型中的 FAIRM，并展示了最小化最优性的非渐近性能。我们通过合成数据和 MNIST 数据的数值实验来评估我们的方法，并证明其优于其他方法。