PulseAugur
中
实时 17:32:56
English(EN) Fair Classification with Efficient and Post-hoc Controllable Fairness-Accuracy Trade-off

新研究通过无偏分箱和事后控制解决机器学习公平性问题 · 跟踪 3 个来源

作者 PulseAugur 编辑部 · [3 个来源] ·

两篇新研究论文通过提出新的属性表示和分类方法来解决机器学习中的公平性问题。第一篇论文介绍了无偏分箱，通过最小化不同群体之间的偏差来创建更公平的属性表示，提供了精确和近似的解决方案。第二篇论文提出了一种公平分类算法，该算法学习有效的特征表示，从而能够在无需重新训练的情况下对公平性-准确性权衡进行事后控制。 AI

影响 这些论文通过提供新的数据表示和模型训练中的偏差缓解技术，为推进人工智能公平性做出了贡献。

排序理由 arXiv 上发表的两篇学术论文，详细介绍了机器学习中公平性的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →

新研究通过无偏分箱和事后控制解决机器学习公平性问题 · 跟踪 3 个来源

报道来源 [3]

  1. arXiv cs.AI TIER_1 English(EN) · Abolfazl Asudeh, Zeinab Asoodeh, Bita Asoodeh, Omid Asudeh ·

    Unbiased Binning for Fairness-aware Attribute Representation

    arXiv:2509.21785v2 Announce Type: replace-cross Abstract: Discretizing raw features into bucketized attribute representations is a popular step before sharing a dataset. It is, however, evident that this step can cause significant bias in data and amplify unfairness in downstream…

  2. arXiv cs.LG TIER_1 English(EN) · Maaya Sakata, Kazuto Fukuchi ·

    高效且事后可控的公平-准确性权衡的公平分类

    arXiv:2606.28097v1 Announce Type: new Abstract: Post-hoc controllability of fair machine learning models, the ability to control the trade-off between fairness and accuracy after training, is valuable for practical deployment. Existing post-processing methods provide such post-ho…

  3. arXiv cs.LG TIER_1 English(EN) · Kazuto Fukuchi ·

    高效且事后可控的公平-准确性权衡的公平分类

    Post-hoc controllability of fair machine learning models, the ability to control the trade-off between fairness and accuracy after training, is valuable for practical deployment. Existing post-processing methods provide such post-hoc controllability but often suffer from signific…

相关实体

相关话题