KDDApr, 2024
FALE: 公平感知的 ALE 图用于审计亚群的偏见
FALE: Fairness-Aware ALE Plots for Auditing Bias in Subgroups
Giorgos Giannopoulos, Dimitris Sacharidis, Nikolas Theologitis, Loukas Kavouras, Ioannis Emiris
TL;DR在机器学习系统中,公平性逐渐成为一个关键要求。本文着重于研究子群体公平性以及如何通过可解释性方法识别潜在偏见,并以用户友好的方式可视化结果,提出了 FALE 方法(公平感知累积局部效果图),作为识别潜在偏见问题的高效、用户友好、易理解和可靠的初步工具。