経験的尤度に基づく公平性監査：分布に依存しない認証とフラグ付け

要約

機械学習モデルの公平性を監査するための新しいフレームワークとして、経験的尤度（EL）に基づいた手法が提案されました。この手法はデータ分布の仮定を置かないノンパラメトリックなアプローチであり、計算コストを大幅に削減しつつ、高い精度でバイアスの認証と特定が可能であることが示されました。

全文は有料プランで閲覧できます。