Une borne PAC-Bayésienne sur une mesure de risque pour l'apprentissage équitable
Résumé
Nous étudions la Conditional Value at Risk (CVaR) une mesure de risque définie comme une combinaison de risques de sous-groupes et qui se focalise uniquement sur les plus hauts risques. En apprentissage équitable, un sous-groupe est défini par l’ensemble des individus partageant la même valeur de l’attribut sensible étudié. La CVaR a donc l’intérêt de se concentrer sur les valeurs de l’attribut sensible amenant a` un risque élevé. Dans ce travail, nous dérivons une borne en généralisation PAC-Bayésienne pour la CVaR qui fait non seulement intervenir une distribution sur l’ensemble d’hypothèses (classique en PAC-Bayes), mais également une distribution sur l’ensemble des valeurs de l’attribut sensible permettant de contrôler l’importance de chaque sous-groupe intervenant dans la CVaR.
