Aprenentatge Automàtic Conscient de la Justícia
L'Aprenentatge Automàtic Conscient de la Justícia (Fairness-Aware Machine Learning) és una família de tècniques que entrenen, constrenyen o realitzen un post-processament de models predictius perquè les seves taxes d'error o resultats siguin equitatius entre grups demogràfics protegits com ara raça, gènere o edat. El marc fonamental d'igualtat de probabilitats (equalized odds) i igualtat d'oportunitats (equality of opportunity) va ser formalitzat per Moritz Hardt, Eric Price i Nati Srebro en el seu article fonamental de NeurIPS de 2016, establint criteris estadístics rigorosos per a classificadors no discriminatoris.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/ca/machine-learning/fairness-aware-ml
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regressió LogísticaEstadística per a la recerca↔ compare
- Calibració del modelAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →