Machine learningTrustworthy ML
公平性を考慮した機械学習
公平性を考慮した機械学習（Fairness-Aware Machine Learning）は、人種、性別、年齢などの保護された人口統計グループ間で、予測モデルのエラー率または結果が公平になるように、モデルを訓練、制約、または事後処理する技術群である。等しいオッズ（equalized odds）と機会均等（equality of opportunity）の基礎的な枠組みは、Moritz Hardt、Eric Price、Nati Srebro によって2016年の画期的なNeurIPS論文で形式化され、非差別的な分類器のための厳密な統計的基準を確立した。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/ja/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 →