Relações entre equidade no processo de redução de dimensionalidade e equidade em tarefas de classificação

Métodos de aprendizado de máquina estão cada vez mais presentes no cotidiano das pessoas. Decisões automatizadas são frequentes e, em muitos casos, tendenciosas. Neste contexto, trabalhos recentes vêm explorando técnicas que procuram mitigar resultados enviesados, de maneira a garantir a equidade entre diferentes grupos de indivíduos. Via de regra, a literatura aborda essa questão em uma das etapas de construção do modelo. Neste estudo, investigamos a influência que a busca por equidade na etapa de pré-processamento, baseada na análise de componentes principais, exerce sobre a etapa de classificação. Mais precisamente, aplicamos uma técnica baseada na otimização multiobjetivo, a qual busca reduzir a disparidade entre diferentes grupos na redução da dimensão dos dados, e verificamos se também houve aumento da equidade na saída do classificador. Avaliamos essa relação a partir de experimentos numéricos realizados em um conjunto de dados de análise de crédito.