Buchumschlag

The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fawkes, Jake, Fishman, Nic, Andrews, Mel, Lipton, Zachary C.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Impact of Differential Feature Under-reporting on Algorithmic Fairness
von: Akpinar, Nil-Jana, et al.
Veröffentlicht: (2024)

FairPFN: A Tabular Foundation Model for Causal Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

Auditing Fairness under Unobserved Confounding
von: Byun, Yewon, et al.
Veröffentlicht: (2024)

What is Fair? Defining Fairness in Machine Learning for Health
von: Gao, Jianhui, et al.
Veröffentlicht: (2024)

Peer-induced Fairness: A Causal Approach for Algorithmic Fairness Auditing
von: Fang, Shiqi, et al.
Veröffentlicht: (2024)

Tuning Derivatives for Causal Fairness in Machine Learning
von: Edström, Filip, et al.
Veröffentlicht: (2026)

The Role of Learning Algorithms in Collective Action
von: Ben-Dov, Omri, et al.
Veröffentlicht: (2024)

Causal Fair Machine Learning via Rank-Preserving Interventional Distributions
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2023)

Causal Fair Metric: Bridging Causality, Individual Fairness, and Adversarial Robustness
von: Ehyaei, Ahmad-Reza, et al.
Veröffentlicht: (2023)

AdapFair: Ensuring Adaptive Fairness for Machine Learning Operations
von: Huang, Yinghui, et al.
Veröffentlicht: (2024)

Procedural Fairness and Its Relationship with Distributive Fairness in Machine Learning
von: Wang, Ziming, et al.
Veröffentlicht: (2025)

Rethinking Fair Representation Learning for Performance-Sensitive Tasks
von: Jones, Charles, et al.
Veröffentlicht: (2024)

Insights From Insurance for Fair Machine Learning
von: Fröhlich, Christian, et al.
Veröffentlicht: (2023)

FairPFN: Transformers Can do Counterfactual Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2024)

Normalise for Fairness: A Simple Normalisation Technique for Fairness in Regression Machine Learning Problems
von: Amin, Mostafa M., et al.
Veröffentlicht: (2022)

Fair Graph Representation Learning via Sensitive Attribute Disentanglement
von: Zhu, Yuchang, et al.
Veröffentlicht: (2024)

FairSIN: Achieving Fairness in Graph Neural Networks through Sensitive Information Neutralization
von: Yang, Cheng, et al.
Veröffentlicht: (2024)

Evaluating Fair Feature Selection in Machine Learning for Healthcare
von: Zawad, Md Rahat Shahriar, et al.
Veröffentlicht: (2024)

Identities are not Interchangeable: The Problem of Overgeneralization in Fair Machine Learning
von: Wang, Angelina
Veröffentlicht: (2025)

Causal Fairness under Unobserved Confounding: A Neural Sensitivity Framework
von: Schröder, Maresa, et al.
Veröffentlicht: (2023)

A Primer on Causal and Statistical Dataset Biases for Fair and Robust Image Analysis
von: Jones, Charles, et al.
Veröffentlicht: (2025)

A Sequentially Fair Mechanism for Multiple Sensitive Attributes
von: Hu, François, et al.
Veröffentlicht: (2023)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

The Effect of Enforcing Fairness on Reshaping Explanations in Machine Learning Models
von: Anderson, Joshua Wolff, et al.
Veröffentlicht: (2025)

FairHome: A Fair Housing and Fair Lending Dataset
von: Bagalkotkar, Anusha, et al.
Veröffentlicht: (2024)

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

FairBranch: Mitigating Bias Transfer in Fair Multi-task Learning
von: Roy, Arjun, et al.
Veröffentlicht: (2023)

Fairness in Federated Learning: Fairness for Whom?
von: Taik, Afaf, et al.
Veröffentlicht: (2025)

Fair Machine Learning in Healthcare: A Review
von: Feng, Qizhang, et al.
Veröffentlicht: (2022)

On The Fairness Impacts of Hardware Selection in Machine Learning
von: Nelaturu, Sree Harsha, et al.
Veröffentlicht: (2023)

An Experimental Study on Fairness-aware Machine Learning for Credit Scoring Problems
von: Thu, Huyen Giang Thi, et al.
Veröffentlicht: (2024)

FairWire: Fair Graph Generation
von: Kose, O. Deniz, et al.
Veröffentlicht: (2024)

Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning
von: Rathore, Vidhi
Veröffentlicht: (2026)

Learning Interpretable Fair Representations
von: Wang, Tianhao, et al.
Veröffentlicht: (2024)

A Taxonomy of Challenges to Curating Fair Datasets
von: Zhao, Dora, et al.
Veröffentlicht: (2024)

Investigating Gender Fairness in Machine Learning-driven Personalized Care for Chronic Pain
von: Gajane, Pratik, et al.
Veröffentlicht: (2024)

Learning Fair Models without Sensitive Attributes: A Generative Approach
von: Zhu, Huaisheng, et al.
Veröffentlicht: (2022)

Post-Fair Federated Learning: Achieving Group and Community Fairness in Federated Learning via Post-processing
von: Duan, Yuying, et al.
Veröffentlicht: (2024)

Addressing Both Statistical and Causal Gender Fairness in NLP Models
von: Chen, Hannah, et al.
Veröffentlicht: (2024)

FairGT: A Fairness-aware Graph Transformer
von: Luo, Renqiang, et al.
Veröffentlicht: (2024)