Confidence Intervals for Testing Disparate Impact in Fair Learning
Confidence Intervals for Testing Disparate Impact in Fair Learning
复制标题
测试公平学习中不同影响的置信区间
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Jean
中科院分区：
文献类型：
--
作者：
Philippe C. Besse;E. Barrio;Paula Gordaliza;Jean
我们提供了统计文献中用于量化机器学习中不同处理的主要指标的渐近分布。我们的目标是在测试所谓的群体不同影响时推广使用置信区间。我们在一些例子中说明了使用置信区间而不是单个值的重要性。
We provide the asymptotic distribution of the major indexes used in the statistical literature to quantify disparate treatment in machine learning. We aim at promoting the use of confidence intervals when testing the so-called group disparate impact. We illustrate on some examples the importance of using confidence intervals and not a single value.