PulseAugur
中
实时 22:32:27
English(EN) COVAriance-Induced Fairness Gap Penalty for Subgroup-Fair Clustering

新的COVA-FC算法改进了复杂子群的公平聚类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为COVA-FC的新算法，以解决公平聚类中的挑战，特别是在处理定义众多子群的多个敏感属性时。现有方法在子群数量呈指数级增长时出现的计算成本和数值不稳定性方面存在困难。COVA-FC引入了一种基于协方差的替代方法来处理子群公平差距，从而实现高效的基于梯度的优化。该框架还扩展到捕获子群边际公平差距，实验表明与现有基线相比，它具有具有竞争力的成本-公平权衡和更高的计算效率。 AI

影响 这项研究提供了一种更有效、更稳定的公平聚类方法，有可能在具有复杂子群定义的机器学习应用中提高公平性。

排序理由 该集群包含一篇关于公平聚类新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的COVA-FC算法改进了复杂子群的公平聚类

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Kyungseon Lee, Hankyo Jeong, Kunwoong Kim, Kwanho Lee, Yongdai Kim ·

    COVAriance-Induced Fairness Gap Penalty for Subgroup-Fair Clustering

    arXiv:2607.18119v1 Announce Type: new Abstract: Fair clustering aims to make cluster assignments independent of sensitive attributes, but this goal becomes challenging when multiple sensitive attributes jointly define many subgroups. In such settings, directly extending existing …

相关话题