가능성의 평등 문서 원본 보기

{{위키데이터 속성 추적}}
'''가능성의 평등'''(Equalized odds)<ref>{{저널 인용|last1=Hardt |first1=Moritz |first2=Eric |last2=Price |first3=Nathan |last3=Srebro |title=Equality of Opportunity in Supervised Learning |journal=Neural Information Processing Systems |date=2016 |volume=29 |arxiv=1610.02413 |url=https://papers.nips.cc/paper/2016/hash/9d2682367c3935defcb1f9e247a97c0d-Abstract.html}}</ref> 또는 '''가능성의 동등성'''은 기계 학습의 [[공정성]]을 측정하는 척도이다. 보호된 그룹과 보호되지 않은 그룹의 대상이 다음 공식을 충족하여 참양성률과 위양성률이 동일한 경우<ref>{{웹 인용|title=Fairness in ML 2: Equal opportunity and odds |url=https://www2.cs.duke.edu/courses/fall18/compsci590.1/lectures/FairML2.pdf |website=www2.cs.duke.edu/ |publisher=Duke Computer Science}}</ref> 분류자는 이 정의를 충족한다:

<math display="block"> P(R = + | Y = y, A = a) = P(R = + | Y = y, A = b) \quad y \in \{+,-\} \quad \forall a,b \in A </math>

예를 들어 A는 편견이 없는 성별, 인종 또는 기타 특성일 수 있고, Y는 개인이 학위 취득 자격이 있는지 여부, 출력 R은 학위 학습자에게 제공할지 여부에 대한 학교의 결정이 될 수 있다. 이러한 맥락에서 Y의 "기본 비율"이 그룹 간에 다른 경우 균등 확률 조건을 충족하려면 유사한 시험 점수를 가진 백인에 비해 아프리카계 미국인의 더 높은 대학 등록률이 필요할 수 있다.

이 개념은 원래 이진 값 Y에 대해 정의되었다. 2017년 우드워스(Woodworth) 등은 여러 클래스에 대해 개념을 더욱 일반화했다.<ref>{{저널 인용|last1=Woodworth |first1=Blake |last2=Gunasekar |first2=Suriya |last3=Ohannessian |first3=Mesrob I. |last4=Srebro |first4=Nathan |title=Learning Non-Discriminatory Predictors |journal=Proceedings of the 2017 Conference on Learning Theory |date=2017 |arxiv=1702.06081 |url=https://proceedings.mlr.press/v65/woodworth17a.html }}</ref>

== 같이 보기 ==
* [[피부색 무시]]

== 각주 ==
{{각주}}

[[분류:기계 학습]]
[[분류:정보 윤리]]
[[분류:컴퓨팅과 사회]]
[[분류:인공지능철학]]
[[분류:차별]]
[[분류:편향]]