Học máy nhận thức về công bằng
Học máy nhận thức về công bằng (Fairness-Aware Machine Learning) là một họ các kỹ thuật nhằm huấn luyện, ràng buộc hoặc hậu xử lý các mô hình dự báo sao cho tỷ lệ lỗi hoặc kết quả của chúng được công bằng trên các nhóm nhân khẩu học được bảo vệ như chủng tộc, giới tính hoặc tuổi tác. Khung lý thuyết nền tảng về tỷ lệ sai sót ngang bằng (equalized odds) và cơ hội công bằng (equality of opportunity) đã được chuẩn hóa bởi Moritz Hardt, Eric Price và Nati Srebro trong bài báo đột phá của họ tại NeurIPS năm 2016, thiết lập các tiêu chí thống kê chặt chẽ cho các bộ phân loại không phân biệt đối xử.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Hardt, M., Price, E., & Srebro, N. (2016). Equality of opportunity in supervised learning. Advances in Neural Information Processing Systems, 29. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Fairness-Aware Machine Learning. ScholarGate. https://scholargate.app/vi/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.
- Hồi quy LogisticThống kê nghiên cứu↔ compare
- Hiệu chỉnh mô hìnhHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →