带有因果标签的证明系统（第一部分）：检查个体公平性和交叉性-计算机科学-机器学习-概率分类器-算法.pdfVIP

带有因果标签的证明系统（第一部分）：检查个体公平性和交

叉性

LeonardoCeragioliandGiuseppePrimiero∗

Abstract

在这篇文章中，我们提出了一种扩展的类型自然演绎演算TNDPQ，用于建模概率分类器中的个体公平

性和交叉性的验证。它们的解释是通过为结构规则的弱化应用制定特定条件来获得的。这些限制由因果标签

给出，用于检查受保护变量和目标变量之间的条件独立性。

1介绍

本

译微积分TPTND(可信的概率类型自然演绎D’Asaroetal.[2025],KubyshkinaandPrimiero[2024])被

中设计用于评估不透明系统的事后可信行为。该系统被实现为在工具BRIOCoragliaetal.[2023,2024]中验证

数据帧。在CeragioliandPrimiero[tted]中，我们介绍了TNDPQ(概率查询的类型自然演绎)，这是之前系

1

v统的一个变体，在该变体中，当提供一个由一组变量值构成的数据点时，会将一个概率输出关联到目标变量。

0因此，TNDPQ处理这种形式的判断，描述查询的结果：

5

6

4

1(1)

.

7

其中是一个将值归属给变量的列表，这描述了我们对数据点的了

0

5解，而表示系统预测该变量接收值的概率为，这是针对由描述的主题而言的。例如，以下判断

2表达了27岁已婚或离异的非白人女性获得贷款的概率：

:

v

i

x

r

a

TNDPQ最初设计用于研究逻辑上更简单的查询组合下可信度的保存。在本文中，我们提供了一个准则

来通过结构属性验证概率分类器的个体公平性。此外，我们解决了交叉性的问题，展示了一种通过原始语言

扩展因果关系来解决问题的方法。

2个体公平

个体公平在文献中有着不同的非等价定义。个体公平性的第一个简化特征如下：

定义2.1(个体公平性(如果)).一个算法关于某个受保护属性个别公平，如果它对仅在此属性值上不同的数

据点给出相同的输出。

我们将如果视为评估不透明系统时逼近无意识的公平性的最佳方法。

定义2.2(无意识的公平（FtU）).一个算法通过不明确使用某个受保护属性在决策过程中的方式来保持对

该属性的无知，从而实现公平。

∗LUCILab,DepartmentofPhilosophy,UniversitàdegliStudidiMilano

1

Table1:表格显示了训练集中满足的数据点。其中：满足和，其中满足也；

满足和，其中满足也；满足和，其中满足也；满