Local Predictive Consistency

新的机器学习公平性指标侧重于局部一致性

研究人员提出了一种名为局部预测一致性（Local Predictive Consistency）的机器学习个体公平性新方法。该方法通过将每个预测与局部邻域内预测的加权平均值进行比较，侧重于节点级别的公平性，并提供可解释的公平性分数。该方法旨在比传统的成对约束更不严格，并可应用于包括二元分类、回归和生存时间预测在内的各种预测任务。该方法的有效性依赖于相似性图的构建，并提供了一种分析公平性-性能权衡的方法。