信任公平数据：利用质量优化公平导向的数据去除技术
原文中文，约500字，阅读约需2分钟。发表于：。通过引入多目标优化问题来平衡公平性和数据质量，我们提出了一种找到帕累托最优解的方法，以消除偏见缓解技术对数据集的剔除特定数据点所带来的信任问题，并保证子集对整体人群的公平性、组覆盖率和最小数据损失。
本文介绍了一种基于多任务学习的偏见缓解方法，通过利用Monte-Carlo dropout和Pareto优势的概念，在不使用敏感信息的情况下同时优化准确性和公平性。该方法在三个数据集上进行了测试，展示了在模型公平性和性能之间的最理想权衡。通过该方法，可以解决机器学习中偏见缓解方法的可推广性问题。
