2025年线性代数算法公平性中的数学原理试题.docVIP

2025年线性代数算法公平性中的数学原理试题

一、基础概念与公平性指标的线性代数表达

1.1敏感属性与决策变量的矩阵表示

设算法决策系统的输入特征矩阵为(X\in\mathbb{R}^{n\timesd})，其中(n)为样本数量，(d)为特征维度。敏感属性向量(S\in{0,1}^n)表示样本所属群体（如性别、种族等二元属性），预测结果向量(\hat{Y}\in{0,1}^n)为算法输出的二分类决策。真实标签向量(Y\in{0,1}^n)用于评估预测准确性，三者满足线性关系(\hat{Y}=sign(XW+b))，其中(W\in\mathbb{R}^{d\times1})为权重矩阵，(b\in\mathbb{R})为偏置项。

1.2核心公平性指标的数学定义

（1）人口学平衡（DemographicParity）

要求不同敏感群体的正预测率相等，即：

[

\frac{1}{|S=1|}\sum_{i:S_i=1}\hat{Y}i=\frac{1}{|S=0|}\sum{i:S=0}\hat{Y}_i

]

用矩阵形式可表示为(S^T\hat{Y}/|S|_1=(1-S)^T\hat{Y}/|1-S|_1)，其中(|\cdot|_1)