为了帮助打击抵押贷款中的歧视,马萨诸塞州理工学院的研究人员开发了一种从用于训练机器学习(ML)模型的数据中消除偏见的过程。
该技术称为dualfair,将数据集细分为最大数量的亚组,基于敏感属性和选项的组合,以消除标签偏差。
Dualfair通过重复少数群体的个人并从多数群体中删除个人,从而消除了每个亚组中的借款人的数量,然后平衡每个子组中贷款接受和拒绝的比例,以匹配原始数据集中的中位数,然后再重新组合他们。
为了消除选择偏差,DualFair在每个数据点上迭代以识别歧视,从而删除了发现从数据集中偏置的歧视。
研究人员发现他们的方法降低了预测的歧视,同时保持了高精度。
从麻省理工学院新闻
查看全文
摘要版权所有©2022史密斯巴克林,华盛顿特区,美国
找不到条目