निष्पक्षता-जागरूक मशीन लर्निंग
निष्पक्षता-जागरूक मशीन लर्निंग (Fairness-Aware Machine Learning) तकनीकों का एक परिवार है जो भविष्य कहनेवाला मॉडल को इस प्रकार प्रशिक्षित, बाधित या पश्च-संसाधित करता है कि उनकी त्रुटि दर या परिणाम नस्ल, लिंग या आयु जैसे संरक्षित जनसांख्यिकीय समूहों में समान हों। समान अवसर (equalized odds) और अवसर की समानता (equality of opportunity) के मूलभूत ढांचे को Moritz Hardt, Eric Price, और Nati Srebro ने अपने 2016 के प्रतिष्ठित NeurIPS पेपर में औपचारिक रूप दिया, जिसने गैर-भेदभावपूर्ण क्लासिफायर के लिए कठोर सांख्यिकीय मानदंड स्थापित किए।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/hi/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.
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- मॉडल अंशांकन (Model Calibration)मशीन अधिगम↔ compare