本文研究数据的代表性对于通过机器学习模型进行数据推断至关重要，探讨了模型中的偏见和公正性，以及与输入数据固有偏见的关系。本文介绍了三个可测量概念，以帮助集中观点并评估不同的数据样本。通过对美国人口普查数据的实证演示，我们评估了这些概念之间的对比。最后，我们提出了一个问题框架，帮助设计人员在数据文档模板中考虑数据的代表性。

Mar, 2022

本文提出了数据代表性标准（DRC）以确定训练数据集与新的未见过的数据集之间的相似性，并研究是否关联着监督分类算法的性能。对数个磁共振成像数据集进行了比较并发现，在数据集相似性的基础上，DRC 可以指示监督分类器性能降低的情况，并可根据用户的要求设置 DRC 的严格性。

Feb, 2020

为了解释机器学习的需求，在解释性人工智能研究方向上，决策树和增强学习的混合模型成为一个新的研究方向，其中使用了 MAP-Elites 方法来拓展模型，该方法在 OpenAI Gym 库的两个控制问题中表现良好。

Aug, 2022

数据集的代表性与分类器公平性之间存在复杂的关系；平衡这两个量需要模型和数据集设计者特别注意。

Jun, 2024

本文介绍了一种基于代表函数的方法，证明了其可实现机器学习中的公平，适用于聚合模型，具有透明度和防止恶性激励的优势，并应用于金融和刑事司法数据集。

Oct, 2017

利用表征相似性领域的方法，提出了一种新颖的想法，在训练期间推动中间表示在不同架构之间的深度上不同，以学习具有不同故障模式的鲁棒集成模型。结果表明，高度不相似的中间表示导致较低的相关性输出预测及稍微降低的错误一致性，并提高了集成模型的准确性。

Jul, 2023

将机器学习与抽样技术相结合，以提高台湾审计师处理过多审计数据的能力，并实现随机性、多样性和针对性风险取样。三种实验表明，机器学习整合抽样具有绘制无偏样本、处理复杂模式、相关性和非结构化数据以及提高大数据抽样效率的优势。

Mar, 2024

本文探讨了机器学习分类任务中数据集质量评估的重要性，并提出了一个综合性框架进行数据集质量评估，旨在帮助研究人员和实践者评估数据集是否足够且具有特定任务所需的质量。

Jun, 2023

探讨了历史专家决策在机器学习中的应用，结合基于影响函数的方法，提出了训练时标签合并的方法，以及通过混合和推迟模型来利用推断的一致性，并以儿童虐待热线筛选为背景，证明所提出的方法可以显著提高高风险案件的预测准确率。

Jan, 2021

提出了两种新算法以及相应的下限，适用于树集合，展示了决策树和树集合分类训练数据集所需的切割数相比，随着树的数量增加，集合所需的切割数可能会指数级下降。

Jun, 2023