【技术实现步骤摘要】
公平性算法决策方法及装置
本专利技术涉及公平性算法
，特别涉及一种公平性算法决策方法及装置。
技术介绍
机器学习领域现在越来越关注于算法的公平性问题，尤其是在决策系统之中。一些没有设计好的算法可能会对某一类人群产生歧视。比如说被广泛用于美国司法体系的COMPAS系统就会倾向于给黑人标记为高风险人群。在一个真实的机器学习任务中，有部分变量实际上与算法的公平性无关，比如说加州大学伯克利分校录取问题中的院系选择。这些变量往往是由每个个体预先选择完成，一般称之为公平变量。基于这些变量，定义条件公平为，结果在给定这些公平变量的时候与敏感变量独立。现存的公平性概念包括群体公平、个体公平以及一些基于因果图的公平性概念。前两者往往忽略了公平变量的影响，而基于因果图的概念往往需要很强的假设因而无法适用于大规模真实数据。将条件独立转化成一个可以解决的正则项是主要的挑战点。相关技术大多集中在公平性变量是类别变量且数量有限的情况，在这种情况下，可以先将整个数据集根据公平变量分组再分别处理。但是这样的做法无法应用到连续的公平变量...
【技术保护点】
1.一种公平性算法决策方法，其特征在于，包括以下步骤：/n步骤S1，在预设公平问题中确定敏感变量、公平性变量和剩余相关变量；/n步骤S2，将所述敏感变量、所述公平性变量和所述剩余相关变量根据预设表征函数映射到表征空间中，得到表征变量，将表征变量根据预设预测函数映射到结果空间；/n步骤S3，根据预设公平性要求设计公平性正则项，根据预设预测任务设计预测损失函数，并得到综合损失函数；/n步骤S4，根据所述综合损失函数对所述预设表征函数和所述预设预测函数进行对抗训练，得到表征函数参数和预测函数参数；/n步骤S5，固定所述表征函数参数，微调所述预测函数参数，迭代执行步骤S4直至综合损...
【技术特征摘要】
1.一种公平性算法决策方法，其特征在于，包括以下步骤：
步骤S1，在预设公平问题中确定敏感变量、公平性变量和剩余相关变量；
步骤S2，将所述敏感变量、所述公平性变量和所述剩余相关变量根据预设表征函数映射到表征空间中，得到表征变量，将表征变量根据预设预测函数映射到结果空间；
步骤S3，根据预设公平性要求设计公平性正则项，根据预设预测任务设计预测损失函数，并得到综合损失函数；
步骤S4，根据所述综合损失函数对所述预设表征函数和所述预设预测函数进行对抗训练，得到表征函数参数和预测函数参数；
步骤S5，固定所述表征函数参数，微调所述预测函数参数，迭代执行步骤S4直至综合损失函数收敛，确定最优预测函数参数；以及
步骤S6，将所述表征函数参数和所述最优预测函数参数应用测试环境中，输出公平决策结果。
2.根据权利要求1中所述的公平性算法决策方法，其特征在于，所述敏感变量为二值变量。
3.根据权利要求1中所述的公平性算法决策方法，其特征在于，通过对抗训练所述表征函数确定所述综合损失函数中的公平性，通过对抗训练所述预测函数确定所述综合损失函数中的预测精准度。
4.根据权利要求1中所述的公平性算法决策方法，其特征在于，所述公平性正则项与所述公平决策结果的准确性成负相关。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。