Machine learningTrustworthy ML
공정성 인식 기계 학습
공정성 인식 기계 학습은 예측 모델을 훈련, 제약 또는 사후 처리하여 인종, 성별 또는 연령과 같은 보호된 인구 통계 그룹 간에 오류율 또는 결과가 공평하도록 하는 기술군입니다. 균등화된 확률 및 기회 균등의 기초 프레임워크는 Moritz Hardt, Eric Price 및 Nati Srebro가 2016년 NeurIPS 논문에서 공식화하여 비차별 분류기에 대한 엄격한 통계 기준을 확립했습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/ko/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 →