시스템 제약을 만족하는 다중 클래스 분류: 사후 처리를 통한 통합 접근법

초록

기존 분류기를 재학습 없이 조정하여 공정성, 기권, 이탈률 등 다양한 시스템 제약을 만족시키는 통합 사후 처리 방법을 제안한다. 엔트로피 정규화와 이중 최적화 기법을 활용한 이 방법은 통계적 보장을 제공하며 블랙박스 방식으로 적용 가능하다.

상세 분석

본 논문은 시스템 수준의 선형 제약 조건(예: 공정성, 기권, 이탈 제어) 하에서 다중 클래스 분류 문제를 해결하기 위한 통합된 사후 처리(post-processing) 프레임워크를 제시한다. 핵심 기여는 주어진 기본 분류기의 예측을 조정하여 제약 조건을 만족시키는 새로운 무작위 분류기(randomized classifier)를 생성하는 알고리즘을 제안하는 것이다.

기술적 핵심은 문제를 무작위 분류기에 대한 선형 제약 확률 프로그래밍 문제로 재구성하는 것이다. 구체적으로, 예측 함수 π를 특징 X가 주어졌을 때 행동 공간 A(예: 클래스 레이블 또는 기권)에 대한 확률 분포로 정의한다. 목표는 기대 손실 E