למידת מכונה מודעת-הוגנות
למידת מכונה מודעת-הוגנות (Fairness-Aware Machine Learning) היא משפחה של טכניקות המאמנות, מגבילות או מעבדות לאחר-מעשה מודלים חיזויים כך ששיעורי השגיאה או התוצאות שלהם יהיו שוויוניים בין קבוצות דמוגרפיות מוגנות כגון גזע, מגדר או גיל. המסגרת הבסיסית של שוויון סיכויים (equalized odds) ושוויון הזדמנויות (equality of opportunity) פורמלה על ידי Moritz Hardt, Eric Price, ו-Nati Srebro במאמרם פורץ הדרך משנת 2016 בכנס NeurIPS, אשר קבע קריטריונים סטטיסטיים קפדניים לסיווגים לא-מפלים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/he/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.
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- כיול מודללמידת מכונה↔ compare