MIFair：交差性と多クラス公平性のための相互情報フレームワーク
arXiv cs.LG / 2026/5/1
📰 ニュースModels & Research
要点
- MIFairは、交差性や多クラス設定に関する課題を含む、機械学習における公平性の問題を評価・軽減するための相互情報（mutual information）ベースの枠組みである。
- このフレームワークは、グループ公平性を「予測に由来する変数」と「センシティブ属性」の統計的独立性として定義し、文脈に応じたバイアス評価のための柔軟なメトリクステンプレートを提供する。
- MIFairは情報理論に基づき、独立性や分離（separation）といった広く使われる公平性の概念との同値性を示している。
- 併せて、多属性・交差的な複雑なサブグループ構造や多クラス分類を自然にサポートし、Prejudice Removerに着想を得たin-processingの軽減手法と正則化ベースの学習でバイアス低減を行う。
- 実データの表形式・画像データセットでの実験では、従来未対応だった多属性シナリオを含むバイアス低減が確認されつつ、予測性能も良好に維持される。
