RSS 2018-10 - 1/1 Blog modules (9)


2018-10 - 1/1

Fairness - fairlearn - classification

2018-10-24

Je suis tombé sur ce module fairlearn qui s’appuie sur l’article A Reductions Approach to Fair Classification. L’article définit mathématiquement l’aspect éthique qu’il souhaite vérifier dans des modèles de machine learning dédiés à la classification. L’article commence par définir le triplet (X,A,Y)A est l’ensemble des attributs protégés, X l’ensemble des variables, Y la chose à prédire. On note h(X) la prédiction du classifieur binaire. L’article définit ensuite la parité \pr{h(X) = \hat{y} | A = a} = \pr{h(X) = \hat{y}} \; \forall a, \hat{y} \in \{0, 1\}, puis l’égalité des chances : \pr{h(X) = \hat{y} | A = a, Y = y} = \pr{h(X) = \hat{y} | Y = y}. L’article propose une façon d’apprendre un modèle respectant ces contraintes qui s’expriment sous la forme d’un ensemble de contraintes linéaires.

article

English content

2018-10-13

Most of the content is written in French. Two reaons for that, my teachings are in French, most of the content available on the internet is already in English. However, there exist some English content. A good start would be the lectures by Gaël Varoquaux :. :ref:`l-ml-skgael. I wrote some challenges in English one about algorithmic, the other one about unsupervized machine learning : Computer Science Challenges. The main goal of this course is to introduce many standard machine learning problems and play with them. I suggest doing one competition or study with a known datasets (Kaggle, UCI).

article


RSS 2018-10 - 1/1 2019-01 (4) 2019-02 (2) 2019-05 (2) 2019-06 (1) 2019-09 (1)