PulseAugur
中
实时 10:16:50
English(EN) Proportionally Representative Clustering

为质心聚类提出新的公平性公理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为质心聚类（无监督机器学习中的一项基本任务）引入了一个名为比例代表公平性（PRF）的新公平性公理。这一新概念旨在确保质心的选择能够准确反映数据点的分布和密度。现有的公平聚类算法不满足PRF，促使研究人员开发针对无约束和离散聚类问题的新型高效算法。值得注意的是，无约束设置的算法也是第一个针对研究充分的比例公平性（PF）公理的多项式时间近似算法，并且在离散设置中它匹配已知的最佳PF近似因子。 AI

影响 引入了无监督学习的新颖公平性指标，可能影响未来公平AI的研究。

排序理由 学术论文，介绍新的理论概念和算法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

为质心聚类提出新的公平性公理

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Haris Aziz, Barton E. Lee, Sean Morota Chu, Jeremy Vollen ·

    Proportionally Representative Clustering

    arXiv:2304.13917v4 Announce Type: replace Abstract: In recent years, there has been a surge in effort to formalize notions of fairness in machine learning. We focus on centroid clustering--one of the fundamental tasks in unsupervised machine learning. We propose a new axiom ``pro…

相关话题