（可预测的）无监督异常检测中的性能偏差

本研究评估了数据集构成对多个保护变量上的无监督异常检测模型性能造成的影响，并引入了新的子组 - AUROC 度量方法，结果显示数据集构成对 UAD 模型的不公平性性能有显著影响。

本文提出了一种新的基于风险差的算法，用于量化受保护变量在图中的歧视影响力，并提出了一种快速适应的偏差控制方法，以减少元学习中组的不公平性。实验结果表明，该方法可以高效地检测偏见并减轻模型输出上的偏见以及对训练样本量少的未见任务的精度和公平度的泛化。

偏差控制方法 偏见检测 元学习 公平度泛化 无监督 风险差算法
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友