Key points are not available for this paper at this time.
알고리즘 결정 시스템은 온라인 및 오프라인 서비스를 아우르는 다양한 분야에서 널리 사용되고 있습니다. 이러한 시스템은 복잡한 학습 방법과 방대한 데이터에 의존하여 서비스 기능, 최종 사용자 만족도 및 수익성을 최적화합니다. 그러나 이러한 자동화된 결정이 의도가 없는 경우에도 공정성이 결여될 수 있다는 우려가 커지고 있습니다. 즉, 이들의 결과는 하나 이상의 민감한 속성(예: 인종, 성별)을 공유하는 특정 그룹의 사람들에게 불균형적으로 피해를 주거나(또는 혜택을 줄 수 있습니다). 본 논문에서는 결정 경계의 (비)공정성을 직관적으로 측정하는 새로운 방법을 활용하여 공정한 분류기를 설계하는 유연한 메커니즘을 소개합니다. 우리는 이 메커니즘을 잘 알려진 두 가지 분류기인 로지스틱 회귀와 서포트 벡터 머신으로 구현하고, 실제 데이터를 통해 우리의 메커니즘이 공정성의 정도를 세밀하게 조절할 수 있음을 보여줍니다. 이는 종종 정확도 측면에서 소규모 비용으로 가능합니다.
Zafar et al. (Sun,)는 이 질문을 연구했습니다.