Buchumschlag

Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jitao, Shi, Chengchun, Piette, John D., Loftus, Joshua R., Zeng, Donglin, Wu, Zhenke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computers and Society Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PyCFRL: A Python library for counterfactually fair offline reinforcement learning via sequential data preprocessing
von: Zhang, Jianhan, et al.
Veröffentlicht: (2025)

Multivariate Dynamic Mediation Analysis under a Reinforcement Learning Framework
von: Luo, Lan, et al.
Veröffentlicht: (2023)

Generalized Fitted Q-Iteration with Clustered Data
von: Hu, Liyuan, et al.
Veröffentlicht: (2025)

Partial Identification Approach to Counterfactual Fairness Assessment
von: Rho, Saeyoung, et al.
Veröffentlicht: (2025)

A New Paradigm for Counterfactual Reasoning in Fairness and Recourse
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)

Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness
von: Machado, Agathe Fernandes, et al.
Veröffentlicht: (2024)

Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
von: Wu, Xiangkun, et al.
Veröffentlicht: (2026)

What Hides behind Unfairness? Exploring Dynamics Fairness in Reinforcement Learning
von: Deng, Zhihong, et al.
Veröffentlicht: (2024)

HMM for Discovering Decision-Making Dynamics Using Reinforcement Learning Experiments
von: Guo, Xingche, et al.
Veröffentlicht: (2024)

A Data Envelopment Analysis Approach for Assessing Fairness in Resource Allocation: Application to Kidney Exchange Programs
von: Kaazempur-Mofrad, Ali, et al.
Veröffentlicht: (2024)

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

Testing Stationarity and Change Point Detection in Reinforcement Learning
von: Li, Mengbing, et al.
Veröffentlicht: (2022)

A Unified Framework for Inference with General Missingness Patterns and Machine Learning Imputation
von: Chen, Xingran, et al.
Veröffentlicht: (2025)

Counterfactually Safe Reinforcement Learning
von: Li, Jingyi, et al.
Veröffentlicht: (2026)

A Computational Approach to Improving Fairness in K-means Clustering
von: Zhou, Guancheng, et al.
Veröffentlicht: (2025)

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

Counterfactual Explanations for Model Ensembles Using Entropic Risk Measures
von: Noorani, Erfaun, et al.
Veröffentlicht: (2025)

Penalized Fair Regression for Multiple Groups in Chronic Kidney Disease
von: Nakamoto, Carter H., et al.
Veröffentlicht: (2025)

Fair Risk Control: A Generalized Framework for Calibrating Multi-group Fairness Risks
von: Zhang, Lujing, et al.
Veröffentlicht: (2024)

Off-policy Evaluation in Doubly Inhomogeneous Environments
von: Bian, Zeyu, et al.
Veröffentlicht: (2023)

Combining Experimental and Historical Data for Policy Evaluation
von: Li, Ting, et al.
Veröffentlicht: (2024)

Doubly Inhomogeneous Reinforcement Learning
von: Hu, Liyuan, et al.
Veröffentlicht: (2022)

Designing Decision Support Systems Using Counterfactual Prediction Sets
von: Straitouri, Eleni, et al.
Veröffentlicht: (2023)

Asymptotic Inference for Multi-Stage Stationary Treatment Policy with Variable Selection
von: Gao, Daiqi, et al.
Veröffentlicht: (2023)

Spatially Robust Inference with Predicted and Missing at Random Labels
von: Salerno, Stephen, et al.
Veröffentlicht: (2026)

Auditing Fairness by Betting
von: Chugg, Ben, et al.
Veröffentlicht: (2023)

No $D_{\text{train}}$: Model-Agnostic Counterfactual Explanations Using Reinforcement Learning
von: Sun, Xiangyu, et al.
Veröffentlicht: (2024)

Controlling Counterfactual Harm in Decision Support Systems Based on Prediction Sets
von: Straitouri, Eleni, et al.
Veröffentlicht: (2024)

Statistically Efficient Bayesian Sequential Experiment Design via Reinforcement Learning with Cross-Entropy Estimators
von: Blau, Tom, et al.
Veröffentlicht: (2023)

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

Robust Spatiotemporal Epidemic Modeling with Integrated Adaptive Outlier Detection
von: Shi, Haoming, et al.
Veröffentlicht: (2025)

FACEGroup: Feasible and Actionable Counterfactual Explanations for Group Fairness
von: Fragkathoulas, Christos, et al.
Veröffentlicht: (2024)

Comparing Data Assimilation and Likelihood-Based Inference on Latent State Estimation in Agent-Based Models
von: Kolic, Blas, et al.
Veröffentlicht: (2025)

FairSHAP: Preprocessing for Fairness Through Attribution-Based Data Augmentation
von: Zhu, Lin, et al.
Veröffentlicht: (2025)

Fusing Individualized Treatment Rules Using Secondary Outcomes
von: Gao, Daiqi, et al.
Veröffentlicht: (2024)

The Missing Link: Allocation Performance in Causal Machine Learning
von: Fischer-Abaigar, Unai, et al.
Veröffentlicht: (2024)

Feature-free regression kriging
von: Luo, Peng, et al.
Veröffentlicht: (2025)

Causal and Counterfactual Views of Missing Data Models
von: Nabi, Razieh, et al.
Veröffentlicht: (2022)

Causal Inference for Preprocessed Outcomes with an Application to Functional Connectivity
von: Wang, Zihang, et al.
Veröffentlicht: (2026)

Predictive Performance Comparison of Decision Policies Under Confounding
von: Guerdan, Luke, et al.
Veröffentlicht: (2024)