机器学习中的程序公正
原文中文，约400字，阅读约需1分钟。发表于：。机器学习中的公平性问题引起了广泛关注，然而现有研究主要关注模型的分配公平性，而忽视了程序公平性。本文首先定义了机器学习模型的程序公平性，然后给出了个体和群体程序公平性的形式化定义，提出了一种用于评估机器学习模型群体程序公平性的新指标 $GPF_{FAE}$，该指标利用特征归因解释的人工智能技术捕捉了模型的决策过程。我们在合成数据集和八个真实数据集上验证了 $GPF_{FAE}$...
机器学习中的公平性问题引起了关注，研究主要关注模型的分配公平性，忽视了程序公平性。本文定义了机器学习模型的程序公平性，给出了个体和群体程序公平性的形式化定义，并提出了评估群体程序公平性的新指标。实验证明可以准确识别导致模型程序不公平的特征，并提出改善程序公平性的方法。
