Re-formalization of Individual Fairness

要約

個人の公平性の概念は、アリストテレスなどによって主張されてきた「同様の事例を同様に扱う」という倫理原則を形式化したものです。
公平性を意識した機械学習のコンテキストでは、Dwork et al.
まず概念を形式化しました。
形式化では、不公平な空間内の同様のデータのペアは、公平な空間内の同様の位置にマッピングされる必要があります。
私たちは、個人によって条件づけられた統計的独立性によって個人の公平性を再形式化することを提案します。
この再形式化には次のようなメリットがあります。
まず、私たちの形式化は Dwork らの形式化と互換性があります。
第 2 に、私たちの形式化により、個人の公平性と公平性の概念、均等化されたオッズまたは十分性、および統計的パリティを組み合わせることが可能になります。
第三に、それらの定式化は、公正な予測を行うための前プロセスアプローチを暗黙的に前提としていますが、私たちの定式化は、プロセス内またはプロセス後のアプローチに適用できます。

要約(オリジナル)

The notion of individual fairness is a formalization of an ethical principle, ‘Treating like cases alike,’ which has been argued such as by Aristotle. In a fairness-aware machine learning context, Dwork et al. firstly formalized the notion. In their formalization, a similar pair of data in an unfair space should be mapped to similar positions in a fair space. We propose to re-formalize individual fairness by the statistical independence conditioned by individuals. This re-formalization has the following merits. First, our formalization is compatible with that of Dwork et al. Second, our formalization enables to combine individual fairness with the fairness notion, equalized odds or sufficiency, as well as statistical parity. Third, though their formalization implicitly assumes a pre-process approach for making fair prediction, our formalization is applicable to an in-process or post-process approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google