การเรียนรู้ของเครื่องที่คำนึงถึงความเป็นธรรม
การเรียนรู้ของเครื่องที่คำนึงถึงความเป็นธรรม (Fairness-Aware Machine Learning) คือกลุ่มเทคนิคที่ใช้ในการฝึกฝน กำหนดข้อจำกัด หรือปรับปรุงโมเดลการทำนาย เพื่อให้ผลลัพธ์หรืออัตราความผิดพลาดมีความเท่าเทียมกันในกลุ่มประชากรที่ได้รับการคุ้มครอง เช่น เชื้อชาติ เพศ หรืออายุ กรอบงานพื้นฐานของอัตราการทายผลบวกที่ถูกต้องเท่าเทียมกัน (equalized odds) และโอกาสที่เท่าเทียมกัน (equality of opportunity) ได้รับการกำหนดอย่างเป็นทางการโดย Moritz Hardt, Eric Price และ Nati Srebro ในบทความสำคัญของพวกเขาในปี 2016 ที่ NeurIPS ซึ่งได้กำหนดเกณฑ์ทางสถิติที่เข้มงวดสำหรับตัวจำแนกที่ไม่เลือกปฏิบัติ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/th/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.
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- การปรับเทียบโมเดลการเรียนรู้ของเครื่อง↔ compare