查看“WikiEdge:ArXiv-2409.02471v1/methods”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2409.02471v1/methods|action=edit}} 编辑]</div>
这篇文献的工作部分详细介绍了在[[不知情框架]]下，如何探索和表征[[公平回归]]的理论基础。以下是这部分的主要内容：
# '''不知情框架（[[Unawareness Framework]]）'''：
#* 定义了不知情框架的概念，即在该框架下，回归函数不能直接使用敏感属性进行预测，以防止基于敏感属性的歧视性处理。
# '''公平回归（[[Fair Regression]]）'''：
#* 提出了在人口统计平等性（[[Demographic Parity]]）约束下，如何表征最优公平回归函数的问题。该问题要求预测结果在不同群体间统计独立。
# '''最优公平回归函数（[[Optimal Fair Regression Function]]）'''：
#* 通过最小化二次损失来表征最优公平回归函数，证明了该函数是解决一个带有最优传输成本的重心问题的解。
# '''公平分类与回归的关系（[[Relationship between Fair Classification and Regression]]）'''：
#* 研究了在不知情框架下，最优公平成本敏感分类和最优公平回归之间的联系。证明了在决策集嵌套的假设下，分类和回归问题之间存在等价关系。
# '''最优传输理论（[[Optimal Transport Theory]]）'''：
#* 引入了最优传输理论，作为分析和解决公平回归问题的主要工具。特别是，利用最优传输理论来解决重心问题，寻找不同群体间预测分布的平衡点。