Medidas de equidad para la regresión mediante clasificación probabilística
La equidad algorítmica incluye nociones como igualdad o tratamiento razonable como medida cuantificable a optimizar.
La mayor parte de la literatura se limita a problemas de clasificación donde la predicción es categórica, como aceptar o rechazar un préstamo. Esto se debe en parte a que los que se calcula es que los resultados se distribuyan equitativamente en grupos tal como mujeres.
Esto es difícil de generalizar en predicciones lineales como precios. La dificultad surge del cáculo de densidades condicionales. Para la regresión presentamos aproximaciones manejables de criterios de independencia, separación y suficiencia observando que factorizan como ratios de diferentes probabilidades condicionales de los atributos protegidos.
https://arxiv.org/abs/2001.06089
por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)
La mayor parte de la literatura se limita a problemas de clasificación donde la predicción es categórica, como aceptar o rechazar un préstamo. Esto se debe en parte a que los que se calcula es que los resultados se distribuyan equitativamente en grupos tal como mujeres.
Esto es difícil de generalizar en predicciones lineales como precios. La dificultad surge del cáculo de densidades condicionales. Para la regresión presentamos aproximaciones manejables de criterios de independencia, separación y suficiencia observando que factorizan como ratios de diferentes probabilidades condicionales de los atributos protegidos.
https://arxiv.org/abs/2001.06089
por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)
Comentarios
Publicar un comentario