편향 없는 기계 학습 모델 설계하기

보호 집단에 대한 의도치 않은 편향은 기계 학습 방법의 광범위한 채택에 있어 주요 장애물이 되었습니다. 이 연구는 보호 집단 정보를 중심으로 모델을 신중하게 구축하여 최종 기계 학습 모델이 보호 집단 상태와 무관하도록 하는 모델링 절차를 제시합니다. 이 절차는 비선형적인 방법에서도 적용됩니다. 이 절차는 미국 인구 조사에서 우편번호별 인구 통계 데이터와 결합된 서브프라임 신용 카드 데이터에 대해 테스트되었습니다. 인구 조사 데이터는 차입자 인구 통계의 불완전한 대리 역할을 하지만 이 절차를 설명하는 데 유용합니다.