机构名称：
¥ 2.0
用于分类决策任务的公平特征选择最近引起了研究人员的显着关注。然而，现有的公平特征选择算法无法完全解释特征和敏感属性之间的因果关系，从而有可能影响公平特征识别的准确性。为了解决此问题，我们提出了一种公平的因果特征选择算法，称为FAIRCFS。从特定上讲，FAIRCFS构建了一个局部因果图，该图形标识了类和敏感变量的Markov毯子，以阻止敏感信息的传输以选择公平的因果特征。对七个公共现实世界数据集进行了广泛的实验，验证了FaiRCFS与八种最先进的特征选择算法相比具有可比性的精度，同时呈现出更高的公平性。
公平功能选择：因果观点
主要关键词
相关文件推荐
