Machine learningTrustworthy ML

Μηχανική Μάθηση με Επίγνωση της Δικαιοσύνης

Η Μηχανική Μάθηση με Επίγνωση της Δικαιοσύνης (Fairness-Aware Machine Learning) είναι μια οικογένεια τεχνικών που εκπαιδεύουν, περιορίζουν ή μετα-επεξεργάζονται προγνωστικά μοντέλα, έτσι ώστε τα ποσοστά σφάλματός τους ή τα αποτελέσματά τους να είναι δίκαια σε προστατευμένες δημογραφικές ομάδες, όπως η φυλή, το φύλο ή η ηλικία. Το θεμελιώδες πλαίσιο των εξισωμένων πιθανοτήτων (equalized odds) και της ισότητας ευκαιριών (equality of opportunity) επισημοποιήθηκε από τους Moritz Hardt, Eric Price και Nati Srebro στην πρωτοποριακή τους εργασία του 2016 στο NeurIPS, καθιερώνοντας αυστηρά στατιστικά κριτήρια για μη-διακριτικούς ταξινομητές.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Μηχανική Μάθηση με Επίγνωση της Δικαιοσύνης
Λογιστική ΠαλινδρόμησηΒαθμονόμηση Μοντέλου

Πηγές

  1. Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/el/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.

Compare side by side
ScholarGateFairness-Aware ML (Fairness-Aware Machine Learning). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/fairness-aware-ml · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026