Машинне навчання з урахуванням справедливості
Машинне навчання з урахуванням справедливості (Fairness-Aware Machine Learning) — це сукупність методів, які навчають, обмежують або пост-обробляють прогнозні моделі таким чином, щоб їхні показники помилок або результати були справедливими щодо захищених демографічних груп, таких як раса, стать чи вік. Фундаментальну основу рівності шансів (equalized odds) та рівності можливостей (equality of opportunity) формалізували Моріц Хардт, Ерік Прайс та Наті Сребро у своїй знаковій статті на конференції NeurIPS 2016, встановивши строгі статистичні критерії для недискримінаційних класифікаторів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/uk/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.
- Логістична регресіяСтатистика досліджень↔ compare
- Калібрування моделіМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →