summaryrefslogtreecommitdiff
path: root/aia/fair_reg.tex
diff options
context:
space:
mode:
authorJan Aalmoes <jan.aalmoes@inria.fr>2024-09-27 15:14:05 +0200
committerJan Aalmoes <jan.aalmoes@inria.fr>2024-09-27 15:14:05 +0200
commit07b4490dc63504079a5904cd42ab1ec6015cfb76 (patch)
tree59e16fdf007416871a22be7243db25ea96aa4720 /aia/fair_reg.tex
parent8b9c76a727b2921be03133335f3cde9e2651b7c1 (diff)
AJout des résultats aia et de l'interprétation
Diffstat (limited to 'aia/fair_reg.tex')
-rw-r--r--aia/fair_reg.tex22
1 files changed, 11 insertions, 11 deletions
diff --git a/aia/fair_reg.tex b/aia/fair_reg.tex
index 2f2a0e0..983d088 100644
--- a/aia/fair_reg.tex
+++ b/aia/fair_reg.tex
@@ -1,19 +1,19 @@
-A la Section~\ref{sec:background-eq} nous avons introduits la notion de \textit{demographic parity} (DemPar).
+A la Section~\ref{sec:background-eq} nous avons introduits la notion de parité démographique (DemPar).
Dans le cas d'un classifieur binaire ($\hat{Y}$) avec attribut binaire ($S$), nous pouvons calculer à quel point le classifieur est proche d'être DemPar avec la quantité suivante :
\begin{equation*}
\text{DemParLvl} = |P(\hat{Y}=1|S=0) - P(\hat{Y}=1|S=1)|
\end{equation*}
-C'est l'écart de prédiction positive entre la classe majoritair(par exemple les blancs, le hommes, ...) et la classe minoritaire (les noirs, les femmes, ...).
+C'est l'écart de prédiction positive entre la classe majoritaire(par exemple les blancs, le hommes, ...) et la classe minoritaire (les noires, les femmes, ...).
\begin{propriete}
\label{prop:aia-dpl0}
- Un classifieur qui satisfat la \textit{demographic parity} a n DemParLvl égale à zéro.
+ Un classifieur qui satisfait la parité démographique a un DemParLvl égale à zéro.
\end{propriete}
La démonstration est triviale à partir de la Définition~\ref{def:background-eq-dp}.
-DemPar est équivalante à dire que la prédiction du modèle est idépendante de l'attribut sensible.
-Nous remarquons que cette définition n'est ni restrainte à des problème de classification, ni à des attribute senssibles binaires ni même à des attribut sensibles qui prennent leurs valeur dans un ensemble fini.
+DemPar est équivalente à dire que la prédiction du modèle est indépendante de l'attribut sensible.
+Nous remarquons que cette définition n'est ni restreinte à des problèmes de classifications, ni à des attributs sensibles binaires ni même à des attributs sensibles qui prennent leurs valeurs dans un ensemble fini.
Ainsi nous définissons la notion suivante:
-\begin{definition}{\textit{Démographic parity} généralisée.}
+\begin{definition}{Parité démographique généralisée.}
\label{def:aia-dempargen}
Soit $(\Omega,\mathcal{T},P$) un espace probabilisé.
Soient $(E,\mathcal{E})$, $(F,\mathcal{F})$ et $(G,\mathcal{G})$ des espaces mesurables.
@@ -24,23 +24,23 @@ Soient les variables aléatoires suivantes :
\item $S:(\Omega,\mathcal{T})\rightarrow (G,\mathcal{G})$
\item $f:(E,\mathcal{E})\rightarrow (F,\mathcal{F})$
\end{itemize}
-Alors $f$ satisfait la \textit{demographic parity} généralisée si et seulement si
+Alors $f$ satisfait la parité démographique généralisée si et seulement si
\begin{equation*}
P_{f\circ X,S} = P_{f\circ X}\otimes P_S
\end{equation*}
-Dit autrement, si et seulement si le classifieur $f$ est un CCA pour prédire $S$ à partire de $X$.
+Dit autrement, si et seulement si le classifieur $f$ est un CCA pour prédire $S$ à partir de $X$.
\end{definition}
\begin{propriete}
- Si un classifieur binaire satisfait la \textit{demographic parity} généralisée alors il satisfait la démographic parity.
+ Si un classifieur binaire satisfait la parité démographique généralisée alors il satisfait la parité démographique.
\end{propriete}
\begin{proof}
- En gardant les objets définits dans la Définition~\ref{def:aia-dempargen}, supposons que $f$ satisfasse la \textit{demographic parity} généralisée.
+ En gardant les objets définis dans la Définition~\ref{def:aia-dempargen}, supposons que $f$ satisfasse la parité démographique généralisée.
Alors, en notant $\hat{Y} = f\circ X$, comme $\mathcal{G} = \mathcal{F}=\mathcal{P}(\{0,1\})$, nous avons bien
\begin{equation*}
P(\hat{Y}=1\mid S=0) = P(\hat{Y}=1\mid S=1)
\end{equation*}
\end{proof}
-Ainsi grâce à la Propriété~\ref{prop:aia-dpl0} nous savons que si un classifieur satisfait la \textit{demographic parity} généralisée, alors il a un DemParLvl égale à 0.
+Ainsi grâce à la Propriété~\ref{prop:aia-dpl0} nous savons que si un classifieur satisfait la parité démographique généralisée, alors il a un DemParLvl égale à 0.