English(EN) Fast and effective algorithms for fair clustering at scale

新算法提供可扩展的公平聚类，并能精确控制权衡

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 16:40

研究人员开发了用于大规模公平聚类的新算法，解决了在聚类成本与公平性约束之间取得平衡的挑战。所提出的框架能够精确控制这种权衡，而这种权衡在实际应用中常常是相互冲突的。引入了三种启发式方法，分别侧重于解决方案质量、高质量的可扩展性以及数百万对象的最大可扩展性，实验结果优于现有方法。 AI

影响为在对公平性敏感的领域应用机器学习提供了新方法，提高了可扩展性和对权衡的控制能力。

排序理由学术论文，详细介绍了机器学习任务的新算法。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Philipp Baumann · 2026-05-13 16:40

Fast and effective algorithms for fair clustering at scale

Clustering is an unsupervised machine learning task that consists of identifying groups of similar objects. It has numerous applications and is increasingly used in fairness-sensitive domains where objects represent individuals, such as customers, employees, or students. We addre…