Resumen Técnico: Geometría de la Regresión Justa Relajada

Enunciado del Problema

El artículo aborda el desafío de imponer la Paridad Demográfica (DP) en tareas de regresión, específicamente dentro del escenario ciego donde los atributos sensibles ($S$) no están disponibles en el momento de la inferencia. Si bien existen métodos de post-procesamiento para la equidad exacta en el escenario "consciente" (donde $S$ se observa), los métodos principistas para lograr una equidad relajada (equilibrando precisión y equidad) en el escenario ciego están mayormente ausentes. Los enfoques existentes a menudo dependen de clasificadores proxy ruidosos o discretizaciones basadas en cuadrículas que no logran capturar la estructura geométrica continua del problema, lo que conduce a compensaciones subóptimas entre precisión y equidad.

Metodología

Los autores proponen un marco unificado que formula la regresión justa relajada como un problema de Transporte Óptimo (OT). La idea central es caracterizar la función de predicción óptima mediante mapas de OT que transportan las distribuciones condicionales del predictor base a una distribución objetivo común, minimizando simultáneamente una penalización por la falta de equidad.

1. Marco Unificado

El marco unifica tanto el escenario consciente como el ciego definiendo el problema de regresión en términos de la medida signada $\chi_+ - \chi_-$ (la diferencia entre las leyes de las características en los grupos positivo y negativo).

• Escenario Ciego: El predictor óptimo depende de la probabilidad grupal signada $\Delta(x) = \frac{P(S=+|X=x)}{p_+} - \frac{P(S=-|X=x)}{p_-}$. El problema se reduce a transportar medidas 2D $\mu^{\pm}_{\eta, \Delta}$ (definidas en el espacio de las predicciones base $\eta(x)$ y $\Delta(x)$) a un espacio de predicción 1D.
• Escenario Consciente: Se recupera como un caso especial donde $\Delta(x)$ es determinista basado en $S$ observado, reduciendo el problema a un transporte 1D.

2. Equidad Relajada mediante Penalizaciones

En lugar de imponer una DP exacta ($\lambda \to \infty$), los autores minimizan un riesgo penalizado:
$$\min_f \mathbb{E}[(f(X) - \eta(X))^2] + \lambda m U_D(f)$$
donde $U_D(f)$ es una medida de discrepancia entre las imágenes directas de las variaciones positiva y negativa de la medida signada. El artículo analiza dos penalizaciones específicas:

• Wasserstein-2 al cuadrado ($W_2^2$): Penaliza la magnitud del desplazamiento en el espacio de etiquetas.
• Variación Total (TV): Penaliza la masa de probabilidad no superpuesta, ignorando las distancias entre valores distintos.

3. Soluciones de Forma Cerrada

Una contribución teórica clave es la derivación de expresiones exactas y de forma cerrada para las funciones de predicción casi justas óptimas.

• Relajación $W_2^2$: La solución implica una interpolación ponderada entre la predicción base y el objetivo. El plan de transporte óptimo se caracteriza por una función de costo específica $C_{\lambda, c_2}$, y los mapas de predicción $T^\pm$ son combinaciones lineales de las entradas ponderadas por las razones de densidad local.
• Relajación TV: La solución exhibe un comportamiento de umbralización dura. Si el costo de fusionar dos predicciones está por debajo de un umbral $\lambda$, se fusionan en un baricentro ponderado; de lo contrario, permanecen sin cambios. Esto conduce a un mapa definido por tramos.

4. Implementación Algorítmica

Los autores proponen un algoritmo práctico (Algoritmo 1) que:

1. Estima el regresor base $\hat{\eta}$ y las probabilidades posteriores para calcular $\hat{\Delta}$.
2. Construye medidas empíricas 2D a partir de los datos de entrenamiento.
3. Resuelve un problema de OT discreto utilizando las matrices de costo de forma cerrada derivadas.
4. Utiliza la proyección baricéntrica para generar pseudo-etiquetas para el conjunto de entrenamiento.
5. Ajusta un regresor continuo (por ejemplo, Random Forest) sobre las pseudo-etiquetas para habilitar la inferencia fuera de la muestra.

Contribuciones Clave

1. Marco Unificado: Un objetivo penalizado general de OT que unifica la regresión justa relajada consciente y ciega, acomodando tanto las penalizaciones $W_2^2$ como TV.
2. Caracterizaciones de Forma Cerrada: Las primeras reducciones geométricas continuas exactas para la equidad relajada ciega. El artículo proporciona fórmulas explícitas para los mapas de predicción óptimos, superando las aproximaciones basadas en cuadrículas de trabajos anteriores (por ejemplo, FairReg).
3. Distinción Filosófica: El artículo revela que la elección de la penalización refleja filosofías de equidad fundamentalmente diferentes:
   • $W_2^2$ induce un compromiso suave y a nivel de población (visión egalitaria), desplazando a todos los individuos ligeramente hacia un centro justo.
   • TV impone una paridad exacta para un subconjunto de individuos (visión suficientarista), dejando las predicciones extremas sin cambios mientras fusiona perfectamente aquellas donde es "asequible".
4. Algoritmo Eficiente: Un algoritmo de post-procesamiento determinista y computacionalmente eficiente que evita el descenso de gradiente estocástico.

Resultados Experimentales

El marco fue evaluado en datos sintéticos y benchmarks del mundo real (Admisión a Escuelas de Derecho, Comunidades y Crimen, e Ingresos del Censo Adulto).

• Rendimiento: El método propuesto "OT Ciego" coincide consistentemente o supera la línea base del estado del arte FairReg (Taturyan et al., 2024) en todas las métricas de equidad ($W_2$, TV y distancia Kolmogorov-Smirnov) mientras mantiene un Error Cuadrático Medio (MSE) competitivo.
• Comparación con Proxies: Los enfoques ingenuos que estiman $S$ mediante un clasificador proxy y aplican mapeos de OT conscientes (estimadores de inserción) tienen un rendimiento significativamente peor, a menudo fallando en lograr equidad debido a errores de clasificación. El marco 2D propuesto absorbe con éxito esta incertidumbre.
• Eficiencia: El método OT Ciego es significativamente más rápido que FairReg (por ejemplo, ~26 veces más rápido en el conjunto de datos Comunidades) porque depende de solucionadores de OT discretos exactos en lugar de optimización estocástica iterativa.
• Robustez: El método demuestra robustez a través de diferentes estimadores base (Lineal, Random Forest, Gradient Boosting).

Significado y Afirmaciones

El artículo afirma cerrar una brecha significativa en la literatura al proporcionar una solución geométrica continua fundamentada teóricamente para la regresión justa relajada en el escenario ciego.

• Rigor Teórico: A diferencia de métodos anteriores que dependen de la discretización, este trabajo ofrece reducciones exactas de forma cerrada, aclarando la naturaleza geométrica de las restricciones de equidad.
• Utilidad Práctica: Los algoritmos derivados son simples de implementar y computacionalmente eficientes, lo que los hace adecuados para su implementación en el mundo real donde los modelos son cajas negras y los atributos sensibles faltan en la inferencia.
• Perspectiva Filosófica: Al contrastar las penalizaciones $W_2$ y TV, el trabajo destaca que la "equidad relajada" no es un concepto monolítico, sino que depende de la filosofía de compensación específica (suavizado global vs. exactitud local) elegida por el practicante.

Los autores señalan limitaciones, incluida la restricción a atributos sensibles binarios y tipos específicos de penalizaciones ($W_2^2$ y TV), y la dependencia del rendimiento de la calidad de los estimadores base $\hat{\eta}$ y $\hat{\Delta}$. Sin embargo, afirman que su enfoque proporciona una línea base superior para las compensaciones entre precisión y equidad en comparación con los métodos existentes del estado del arte.