Învățare automată conștientă de echitate
Învățarea automată conștientă de echitate (Fairness-Aware Machine Learning) este o familie de tehnici care antrenează, constrânge sau post-procesează modele predictive astfel încât ratele de eroare sau rezultatele acestora să fie echitabile între grupurile demografice protejate, cum ar fi rasa, genul sau vârsta. Cadrul fundamental al parității egalizate (equalized odds) și al egalității de șanse (equality of opportunity) a fost formalizat de Moritz Hardt, Eric Price și Nati Srebro în lucrarea lor de referință din 2016 de la NeurIPS, stabilind criterii statistice riguroase pentru clasificatori non-discriminatori.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/ro/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.
- Regresia LogisticăStatistică pentru cercetare↔ compare
- Calibrarea modeluluiÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →