특성 간 제약 조건 하에서의 분류기의 공정성

머신 러닝 (Machine Learning) 에서 분류기 (classifier) 가 내리는 결정에 대한 공정성의 통용되는 정의는 보호 대상 특성 (protected features, 예: 성별) 에 의존하지 않아야 한다는 것이다. 불행히도, 특성 간 제약 조건이 존재할 경우 이러한 의존성은 제약 조건에 의해 가려질 수 있다. 이 문제를 피하기 위해 우리는 결정을 공정하다고 판단하려면 그 결정에 대한 설명이 공정해야 한다고 제안한다. 우리는 보호 대상 특성을 포함하지 않는 결정에 대한 원리 (prime-implicant reason) 를 공정하다고 정의한다 (여기서 원리는 제약 조건을 고려하여 정의된다). 놀랍게도, 보호 대상 특성과 보호 대상이 아닌 특성 간 제약 조건이 존재하지 않더라도 제약 조건을 무시하면 결정의 공정성 (이 정의에 따른) 을 완전히 바꿀 수 있다. 분류기의 3 가지 공정성 정의는 다음과 같다: 모든 결정에 대해 (1) 공정한 설명만 존재하거나, (2) 적어도 하나의 공정한 설명이 존재하거나, (3) 보호 대상 특성을 변경해도 결과가 변하지 않는다. 우리는 이러한 서로 다른 공정성 정의 간의 관계를 규명하고 분류기의 공정성 테스트의 계산 복잡도 (computational complexity) 를 연구한다.