科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着机器学习应用的日益普及，机器学习公平性问题引起学术界和工业界的广泛关注，成为可信人工智能的重要组成部分。为了评估和改善机器学习应用的公平性，研究人员提出了一系列公平性指标。这些指标有助于保障机器学习模型在不同个体、群体间的公平决策，并为改善和优化模型提供指导。但各界对于指标之间的区别与联系仍没有形成共识，对不同场景、不同任务的公平性定义没有明确的划分，公平性指标缺乏完善的分类体系。文中对公平性指标进行了全面地整理和归类，从指标的数学定义出发，根据是否基于概率统计将公平性指标分为两类，然后分别对这两类指标进行进一步细粒度划分和阐述。为了便于读者理解和运用，结合一个实际案例，从适用场景和实现条件等方面指出各类指标的优势和挑战，还结合数学定义讨论了指标之间的关系，并对未来趋势进行展望。
- 单位
