研究人员开发了一种新方法，用于扩展机器学习中连续属性的公平性投影，特别是针对核方法。这种方法被称为“连续公平性”，弥补了现有文献主要关注离散属性的不足。该新技术涉及对核矩阵的直接变换，使其适用于包括支持向量回归在内的各种模型，并在多个数据集上展示出具有竞争力或改进的性能。 AI
影响 提高了连续数据的公平性指标，可能使机器学习在敏感应用中得到更广泛的应用。
排序理由 关于机器学习公平性新方法的学术论文。[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 →
arXiv:2511.03304v2 Announce Type: replace-cross Abstract: With the on-going integration of machine learning systems into the everyday social life of millions the notion of fairness becomes an ever increasing priority in their development. Fairness notions commonly rely on protect…