May, 2024
ε- 公平的不公平性
The Unfairness of $\varepsilon$-Fairness
Tolulope Fadina, Thorsten Schmidt
TL;DR本文研究了决策过程中的公平性,并提出了基于效用的方法来更准确地评估决策过程的真实世界影响。通过两个实际案例研究,发现传统的概率评估可能无法全面捕捉公平性,而基于效用的方法则可以揭示实现平等的必要行动。总结来说,本文强调了在评估公平性时考虑真实世界背景的重要性。
Abstract
fairness in decision-making processes is often quantified using probabilistic
metrics. However, these metrics may not fully capture the real-world
consequences of unfairness. In this article, we adopt a
发现论文,激发创造
利用不确定性实现公平性
本研究提出一种旨在平衡公平性和实用性的机器学习分类任务的独特解决方案,它利用贝叶斯学习估计样本预测的不确定性,并通过不确定性量化来定义新型的公平性 - 效用目标,从而实现同时优化公平性和实用性。实证研究发现,具有低分类不确定性的样本比高不确定性的样本更准确、更公平。实验结果表明,该方法在公平性和实用性平衡方面表现优异,并有望在机器学习中实现最佳公平性和实用性。
Apr, 2023
不公平的公共设施及改善的首要步骤
该研究提出了一种新的公平性框架,不再局限于政策或预测器的选择,而是考虑政策正在优化的效用,定义了信息价值公平性,并建议不使用不满足此标准的效用。研究描述了如何修改效用以满足这种公平标准,并讨论了这可能对相应最优政策产生的影响。
Jun, 2023
反事实风险评估、评价和公平性
本文提出了针对算法风险评估工具的反事实度量方法,并使用双重稳健估计方法估算反事实度量。作者提出的度量方法更适合在决策上下文中使用;因此,纵观标准公平度量和反事实度量,两者仅在特定条件下才能同时成立,本文提供了理论结果和实证结果以证明他们的方法优于标准做法。
Aug, 2019
在分配具有不确定需求的资源时实现公平和利用
本文研究了资源分配中公平性和利用率之间的平衡问题,并探讨了在需求分布不均时的公平性要求,得到了一些不同概率分布下的可证明的最大可使用率上界,发现了某些类型的概率分布下最大可使用率不受公平性约束,并且在幂律分布中求解的间隔可以由与分布参数无关的常数因子进行约束。
Jun, 2019
从平等到基于偏好的分类公平概念
本研究探讨了在自动化数据驱动决策中存在的公平性问题,并基于账单分配和无嫉妒性理论,提出了一种基于偏好的公平性概念及采用可行的代理方法设计符合偏好公平性观念的分类器。 通过实验得出此偏好公平性相较于基于平等的公平性更加实用。
Jun, 2017