Open gatheluck opened 4 years ago
https://arxiv.org/abs/1801.07593
2018/01/22 AAAI ACM Conference on AI, Ethics, and Society 2018
データセットから分類器が学習してしまったバイアスを修正する手法(adversarial debiasig)を提案。予測精度の最大化と同時に、隠したいラベルの予測精度を最小化する。
【問題設定】
Y^ = f(X): predictor
通常はf(X)を通じてZの推定が可能になる。
debiasing という単語は以下の論文で提案されている。
【定義:Demographic Parity】 Y^はY^とZが独立のとき、Demographic Parityを満たすという。 つまり、P(Y^=y^)=P(Y^=y^|Z=z)となる。
論文リンク
https://arxiv.org/abs/1801.07593
公開日(yyyy/mm/dd)
2018/01/22 AAAI ACM Conference on AI, Ethics, and Society 2018
概要
データセットから分類器が学習してしまったバイアスを修正する手法(adversarial debiasig)を提案。予測精度の最大化と同時に、隠したいラベルの予測精度を最小化する。