FairBED

FairBED框架旨在为机器学习收集更公平的数据

研究人员推出了一种名为FairBED的新型框架，旨在通过修改数据采集过程来提高机器学习的公平性。FairBED不局限于从现有有偏数据中学习公平模型，而是致力于收集本质上更公平的数据集。该方法通过评估数据集在敏感属性方面的信息量来量化数据集的公平性。这种方法构建了贝叶斯实验设计目标，在关于目标变量的信息增益与关于敏感属性的信息增益最小化之间取得平衡，从而在训练模型中实现更好的公平性-准确性权衡。