論文の概要: A Unified View of Group Fairness Tradeoffs Using Partial Information Decomposition

• arxiv url: http://arxiv.org/abs/2406.04562v2
• Date: Wed, 23 Oct 2024 22:25:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:52:06.917563
• Title: A Unified View of Group Fairness Tradeoffs Using Partial Information Decomposition
• Title（参考訳）: 部分的情報分解を用いたグループフェアネストレードオフの一考察
• Authors: Faisal Hamman, Sanghamitra Dutta,
• Abstract要約: 本稿では,機械学習における顕著なグループフェアネス概念の関係について,新しい情報理論的視点を紹介する。 我々の主な貢献は、部分情報分解(PID)と呼ばれる情報理論における作業の本体を活用することにより、これらの3つの不公平性の正確な関係を解明することである。 本研究では,これら3つの不公平度尺度が重複し,相互に相反し,潜在的なトレードオフにつながるような粒状領域を特定するためにPIDを利用する。
• 参考スコア（独自算出の注目度）: 6.702661996542768
• License:
• Abstract: This paper introduces a novel information-theoretic perspective on the relationship between prominent group fairness notions in machine learning, namely statistical parity, equalized odds, and predictive parity. It is well known that simultaneous satisfiability of these three fairness notions is usually impossible, motivating practitioners to resort to approximate fairness solutions rather than stringent satisfiability of these definitions. However, a comprehensive analysis of their interrelations, particularly when they are not exactly satisfied, remains largely unexplored. Our main contribution lies in elucidating an exact relationship between these three measures of (un)fairness by leveraging a body of work in information theory called partial information decomposition (PID). In this work, we leverage PID to identify the granular regions where these three measures of (un)fairness overlap and where they disagree with each other leading to potential tradeoffs. We also include numerical simulations to complement our results.
• Abstract（参考訳）: 本稿では,機械学習における顕著なグループフェアネス概念,すなわち統計パリティ,等化オッズ,予測パリティの関係に関する新しい情報理論的視点を紹介する。 これらの3つの公正概念の同時充足性は通常不可能であり、実践者はこれらの定義の厳密な充足性よりも、近似フェアネス解に頼ることを動機付けている。 しかし、それらの相互関係の包括的分析、特にそれらが正確に満たされていない場合、ほとんど未解明のままである。 我々の主な貢献は、部分情報分解(PID)と呼ばれる情報理論における作業の本体を活用することにより、これらの3つの不公平度(un)fairness)の正確な関係を解明することである。 本研究では,これら3つの不公平度尺度が重複し,相互に相反し,潜在的なトレードオフにつながるような粒状領域を特定するためにPIDを利用する。 また,実験結果を補完する数値シミュレーションも実施する。

関連論文リスト

• A Semiparametric Approach to Causal Inference [2.092897805817524]
  因果推論において、重要な問題は介入や治療の効果を定量化することである。 本稿では, 半パラメトリック密度比モデル(DRM)を用いて, 対物分布の特徴付けを行う。 我々のモデルは、対物分布に関する厳密なパラメトリック仮定を避けることで柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-11-01T18:03:38Z)
• Goodhart's Law Applies to NLP's Explanation Benchmarks [57.26445915212884]
  ERASER(Comprehensiveness and sufficiency)メトリクスとEVAL-X(EVAL-X)メトリクスの2つのセットを批判的に検討する。 実験結果の予測や説明を変えることなく,モデル全体の包括性と充足率を劇的に向上させることができることを示す。 我々の結果は、現在のメトリクスが説明可能性の研究をガイドする能力に疑問を呈し、これらのメトリクスが正確に捉えるものを再評価する必要性を強調します。
  論文  参考訳（メタデータ） (2023-08-28T03:03:03Z)
• Reconciling Predictive and Statistical Parity: A Causal Approach [68.59381759875734]
  本稿では,予測パリティに付随する公平度対策のための因果分解式を提案する。 統計的および予測パリティの概念は、実際には互いに排他的ではなく、相補的であり、公正の概念のスペクトルにまたがっていることを示す。
  論文  参考訳（メタデータ） (2023-06-08T09:23:22Z)
• Fairness and robustness in anti-causal prediction [73.693135253335]
  分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。 これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。 この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
  論文  参考訳（メタデータ） (2022-09-20T02:41:17Z)
• Variational Distillation for Multi-View Learning [104.17551354374821]
  我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。 厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
  論文  参考訳（メタデータ） (2022-06-20T03:09:46Z)
• Bounding and Approximating Intersectional Fairness through Marginal Fairness [7.954748673441148]
  機械学習における差別は、しばしば複数の次元に沿って生じる。 すなわち、どの部分群も差別されないことを保証することが望ましい。
  論文  参考訳（メタデータ） (2022-06-12T19:53:34Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Skeptical binary inferences in multi-label problems with sets of probabilities [0.0]
  複数ラベル問題に対する分布的に堅牢で懐疑的な推測を行うことの問題点を考察する。 懐疑論により、我々はこの集合内のすべての分布に対して真であるような推論のみを有効とみなすことができると理解する。 特にハミング損失の場合、多ラベル問題における共通損失関数について検討し、この設定において懐疑的な推論がいかに可能かを示す。
  論文  参考訳（メタデータ） (2022-05-02T05:37:53Z)
• Gradual (In)Compatibility of Fairness Criteria [0.0]
  不合理性の結果は、重要な公正度尺度を合理的な仮定の下で同時に満たすことができないことを示している。 本稿では,これらの公平度対策をある程度同時に達成し,改善できるかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-09T16:37:30Z)
• Link Prediction on N-ary Relational Data Based on Relatedness Evaluation [61.61555159755858]
  我々は,n-aryリレーショナルデータ上でリンク予測を行うNaLPという手法を提案する。 各 n 個の関係事実を、その役割と役割と値のペアの集合として表現する。 実験結果は,提案手法の有効性と有用性を検証した。
  論文  参考訳（メタデータ） (2021-04-21T09:06:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。