[논문 리뷰] The price for fairness in a regression framework.

Thibaut Le Gouic, Jean–Michel Loubes|arXiv (Cornell University)|2020. 05. 24.

Philosophy and History of Science참고 문헌 7인용 수 1

한 줄 요약

이 논문은 최적 운반 이론을 활용하여 어떤 회귀 추정기라도 공정한 추정기 공간으로 사영하는 후처리 방법을 제안하며, 예측 정확도의 손실를 최소화한다. 이 방법은 공정성의 정확도 비용을 정량적으로 측정함으로써, 최소한의 정확도 희생으로 더 공정한 모델을 가능하게 한다.

ABSTRACT

In the context of regression, we consider the fundamental question of making an estimator fair while preserving its prediction accuracy as much as possible. To that end, we define its projection to fairness as its closest fair estimator in a sense that reflects prediction accuracy. Our methodology leverages tools from optimal transport to construct efficiently the projection to fairness of any given estimator as a simple post-processing step. Moreover, our approach precisely quantifies the cost of fairness, measured in terms of prediction accuracy.

연구 동기 및 목표

• 회귀 모델에서 공정성과 예측 정확도 사이의 근본적 상충 관계를 해결하기 위해.
• 예측 정확도를 유지하면서도 수학적으로 엄밀한 '가장 가까운 공정한 추정기'의 개념을 정의하기 위해.
• 모델을 재학습하지 않고도 공정성을 달성할 수 있는 효율적인 후처리 기법을 개발하기 위해.
• 정확도 손실 측면에서 공정성의 정확한 비용을 정량화하기 위해.
• 모든 회귀 추정기 적용 가능한 일반적인 프레임워크를 제공하기 위해.

제안 방법

• 논문은 힐버트 공간 내에서 원래 추정기와의 L2 거리가 최소가 되는 공정한 추정기로의 사영을 정의한다.
• 최적 운반 이론의 도구를 활용하여 이 사영을 효율적으로 계산하며, 공정성 제약 조건을 매개변수 공간 내 기하학적 제약 조건으로 간주한다.
• 이 방법은 후처리 단계로 작동하여, 재학습 없이도 주어진 추정기를 공정한 형태로 변환한다.
• 공정성 제약 조건은 조건부 기대값 제약 조건으로 표현되며, 맥락에 따라 통계적 평등성 또는 동일한 오dds 보장 보장한다.
• 공정성과 원래 추정기와의 근접도를 균형 잡는 볼록 최적화 문제를 통해 사영을 계산한다.
• 이 프레임워크는 원래 추정기와 공정한 추정기 간의 차이의 제곱 L2 노름으로 정확도 비용을 정확히 측정할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 어느 정도의 예측 정확도 저하가 발생해야 회귀 추정기가 공정해질 수 있는가?
• RQ2 재학습 없이도 기존 추정기에 공정성을 어떻게 적용할 수 있는가?
• RQ3 예측 정확도 측면에서 원래 추정기와 가장 가까운 최적의 공정한 추정기는 무엇인가?
• RQ4 다양한 모델 간에 공정성의 비용을 정확히 측정하고 비교할 수 있는가?
• RQ5 최적 운반 이론은 회귀에서의 공정성 사영에 효과적으로 적용될 수 있는가?

주요 결과

• 공정성 사영은 L2 기준으로 가장 가까운 공정한 추정기로 유일하게 정의되며, 정확도 손실가 최소화된다.
• 이 방법은 원래 추정기와 공정한 추정기 간의 차이의 제곱 L2 노름으로 정확도 비용을 정확히 계산할 수 있다.
• 이 방법은 계산적으로 효율적이며, 어떤 회귀 모델에도 후처리 단계로 적용 가능하다.
• 이 프레임워크는 공정성과 정확도 사이의 정량적 트레이드오프 곡선을 제공하여, 모델 선택에 대한 정보 기반 결정을 가능하게 한다.
• 최적 운반 프레임워크는 고차원 설정에서도 정확하고 확장 가능한 공정성 사영을 가능하게 한다.
• 이 방법은 공정성을 예측 성능의 예측 가능하고 유한한 손실 범위 내에서 달성할 수 있음을 보여준다.