본 논문은 통계적 동등성(statistical parity)을 만족하는 공정한 신경망 회귀 모델을 훈련하기 위한 후처리 알고리즘을 제시한다. 설명 가능한 특이값 분해(SVD)를 가중치 행렬에 적용하여, 변환된 행렬의 특이값이 두 그룹 간 출력 분포의 1차 및 2차 모멘트 차이에 직접적으로 대응되도록 선형 변환을 제안한다. 이를 통해 공정성 제약 조건을 특이값에 대한 제약 조건으로 변환하고, 이러한 제약 조건 하에서 최적 가중치를 분석적으로 구한다. 다양한 데이터셋에 대한 실험적 검증을 통해 제안된 방법이 추론 시 민감 속성을 사용하지 않고도 기존 방법들과 비교하여 유사하거나 우수한 공정성-정확도 절충(fairness-accuracy trade-off)을 달성함을 보여준다.
