Extending Fair Null-Space Projections for Continuous Attributes to Kernel Methods
Created by
Haebom
Category
Empty
저자
Felix Storck, Fabian Hinder, Barbara Hammer
개요
머신 러닝 시스템의 공정성 문제가 중요해짐에 따라, 연속적인 특성을 가진 데이터를 다루는 '연속 공정성' 연구가 부족하다는 점에 주목한다. 기존의 널 공간 투영 방식은 선형 모델이나 비선형 인코더에만 적용되었으나, 본 연구에서는 커널 방법에 일반화하여 적용 범위를 확장한다. 특히, Support Vector Regression (SVR)과 결합하여 여러 데이터셋에서 기존 방법보다 경쟁력 있는 성능을 보임을 입증한다.
시사점, 한계점
•
시사점:
◦
커널 방법을 통해 연속적인 보호 속성에 대한 공정성 평가를 가능하게 하여, 다양한 모델과 공정성 점수에 독립적인 접근 방식을 제시한다.
◦
SVR과 결합하여 기존 방식보다 우수한 성능을 보이는 것을 통해, 실질적인 활용 가능성을 제시한다.
•
한계점:
◦
구체적인 데이터셋, 실험 설정, 성능 지표에 대한 정보가 부족하여, 방법론의 일반화 가능성을 완벽하게 평가하기 어렵다.
◦
이론적인 측면보다는 실험적 결과에 중점을 둔 연구이므로, 방법론의 이론적 근거에 대한 추가적인 설명이 필요할 수 있다.
