algorithmic decisions | BriefGPT

关键词algorithmic decisions

搜索结果 - 11

生成可信任的模型无关反事实解释的对抗随机森林
利用对抗式随机森林（ARFs）的生成建模技术，本文以模型独立的方式高效生成可信的反事实解释，克服了现有方法的局限性，包括易于训练、计算高效、自然处理连续和分类数据以及方便集成额外的期望，如稀疏性。
PDF3 months ago
数据伦理危机演练：为行业团队讨论负责任人工智能的工具箱
研究人员强调技术从业人员，如数据科学家，要考虑算法决策的影响和道德问题。然而，与编程、统计和数据管理不同，对道德问题的讨论很少包含在标准的数据科学培训中。为了弥补这一差距，我们设计和测试了一个名为数据伦理应急演练（DEED）的工具箱，帮助数
PDF4 months ago
利用弱监督学习方法消除机器学习模型中的偏见
我们提出了针对连续敏感变量的偏见缓解策略，该策略基于经济计量学领域的内生性概念，并采用弱监督学习方法，对一小部分可进行公平测量的数据进行处理。结果表明我们的方法对实际应用的效果非常接近。
PDF4 months ago
ShaRP: 使用 Shapley 值解释排名
基于 Shapley 值的 ShaRP 框架用于解释特征对排序结果的贡献，展示了即使排名算法使用已知和线性的评分函数，特征的权重也不能与其 Shapley 值对应，而是依赖于特征分布和评分特征之间微妙的局部交互。ShaRP 在多个感兴趣的指
PDF5 months ago
减小数据集偏移对可操作性解释的影响
本文研究了算法决策中 “解释权利” 的问题，并提出了理论和实证分析，表明模型曲率、训练时的权重衰减参数以及数据集变化的程度是影响解释稳定性的关键因素。
PDFa year ago
自动决策系统中的公平性和可解释性：计算机科学与法律的挑战
本论文针对算法决策中的公平性问题提供了跨学科的构想。其中，法律系统的差异是一个核心问题，同时论文提出了一种上下文方法来处理意外的群体歧视，研究算法决策的可解释性。
PDF2 years ago
如何儿童福利工作者减少算法决策的种族差异的扩展分析
我们进行了数据分析，检验了在儿童福利领域使用的算法是否具有种族偏见，结果表明，Allegheny Family Screening Tool，一个用于为儿童福利工作者提供帮助的算法，本身具有较大的种族差异，但是儿童福利工作者通过使用该算法，
PDF2 years ago
反事实解释可被操纵
本文介绍了反事实解释的脆弱性并表明其容易被操纵，进一步提出了一个新颖的目标来训练明显公平的模型，在轻微扰动下反事实解释可以找到更低成本的救济措施。然而，我们在贷款和暴力犯罪预测数据集上的实验表明，这些模型可能会不公平地提供低成本的救济措施给
PDF3 years ago
如何公正决策长期资格问题？
本文针对决策公平性方面的长期影响进行研究，研究人员通过模拟静态公平约束下群体福祉的平等和改进的长期影响以及潜在的干预措施，发现其对于群体福利可同时具有促进平等和增加差距两种影响，同时提出一种理论框架并完成了基于实际数据与模拟动态的社会科学研
PDF4 years ago
利用数据组合评估隐含保护类别的算法公正性
本文研究了评估算法决策的不平等影响面临的根本性挑战：保护类成员在数据中通常不可观察。研究者考虑使用附加数据集来构建模型，从而预测代理变量（如姓氏和地理位置）来确定受保护类别的成员身份，提供了计算和可视化这些集合的算法和统计工具。通过借助美国
PDF5 years ago
量化程序偏见
文章提出了一种新颖的概率程序分析技术，并将其应用于量化决策程序中的偏差，开发了第一个量化程序偏差的验证工具 FairSquare，并在一系列决策程序上进行了评估。
PDF7 years ago