路径特定的反事实公平性
摘要：在复杂情境下学习公平决策系统的问题中，敏感属性可能会影响公平和不公平路径上的决策。我们引入了一种因果方法，用于忽略不公平路径上的影响，并对之前的文献进行简化和推广。我们的方法修正了受敏感属性影响的观测值，并使用这些观测值进行决策。这样可以避免忽视公平信息，并且不需要进行常常难以计算的路径特定效应。我们利用深度学习和近似推理的最新发展成果，实现了一个广泛适用于复杂非线性情境的解决方案。
作者：Silvia Chiappa and Thomas P. S. Gillam
论文ID：1802.08139
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-23