WikiEdge:ArXiv-2409.02471v1/methods

編輯

這篇文獻的工作部分詳細介紹了在不知情框架下，如何探索和表徵公平回歸的理論基礎。以下是這部分的主要內容：

1. 不知情框架（Unawareness Framework）：
   • 定義了不知情框架的概念，即在該框架下，回歸函數不能直接使用敏感屬性進行預測，以防止基於敏感屬性的歧視性處理。
2. 公平回歸（Fair Regression）：
   • 提出了在人口統計平等性（Demographic Parity）約束下，如何表徵最優公平回歸函數的問題。該問題要求預測結果在不同群體間統計獨立。
3. 最優公平回歸函數（Optimal Fair Regression Function）：
   • 通過最小化二次損失來表徵最優公平回歸函數，證明了該函數是解決一個帶有最優傳輸成本的重心問題的解。
4. 公平分類與回歸的關係（Relationship between Fair Classification and Regression）：
   • 研究了在不知情框架下，最優公平成本敏感分類和最優公平回歸之間的聯繫。證明了在決策集嵌套的假設下，分類和回歸問題之間存在等價關係。
5. 最優傳輸理論（Optimal Transport Theory）：
   • 引入了最優傳輸理論，作為分析和解決公平回歸問題的主要工具。特別是，利用最優傳輸理論來解決重心問題，尋找不同群體間預測分佈的平衡點。