关键词criminal justice system
搜索结果 - 5
- 存在偏倚嘈杂标签时的公平性评估
本论文提出了一种风险评估模型的敏感性分析框架，用于评估不同群体的标签误差对模型的预测偏差性能的影响，在两个真实的刑事司法数据集上的实验结果表明，即使观察标签中存在小的偏差也可能会对基于噪音结果的分析的结论提出质疑。
- 案例研究：通过社会服务干预预测公平减少轻罪累犯
介绍了洛杉矶市检察官办公室新的累犯降低和药物转变组（R2D2），以基于机器学习的决策制定中的预测公平性的案例研究促进效率和公平，旨在通过发展量身定制的社会服务干预方案，改善曾多次卷入刑事司法系统的人的结果。
- 机器决策与人类后果
本文探讨了机器学习如何工作以及如何制定公正和负责任的算法，重点考虑了在刑事司法系统中执行决策的案例，并对 HART 作为现实世界分类器的技术特征进行了说明和四个规范基准进行了评估。
- 干预优先于预测：重新构建精算风险评估的道德辩论
针对风险评估的核心伦理辩论不仅仅是偏差或准确性的问题，而是目的的问题。机器学习不应用于预测，而是用于发现进入因果模型的协变量，以了解犯罪的社会，结构和心理驱动因素。我们提出了一种机器学习和因果推断的替代应用，从预测风险分数转向风险缓解。
- 公平预测算法的统计框架
本文提出了通过从可允许的训练数据中去除保护变量的所有信息来消除预测模型偏见的方法，并将其应用于罪犯记录的数据集以产生种族中立的再逮捕预测方案，证明了将种族作为协变量省略的方式仍导致存在种族差异，并且证明了应用我们提出的方法可以将这些数据中的