Ein differenzierbarer Rahmen für Fairness-Regularisierungsterme (FAIRRET) zur Verbesserung der Fairness in maschinellen Lernmodellen

Der Artikel stellt einen Rahmen von Fairness-Regularisierungstermen (FAIRRETs) vor, die Verzerrungen als modulare, flexible Ziele quantifizieren, die leicht in Pipelines mit automatischer Differenzierung integriert werden können. Durch die Verwendung einer allgemeinen Definition von Fairness in Form von linear-fraktionalen Statistiken kann eine breite Klasse von FAIRRETs effizient berechnet werden.