equal opportunity | BriefGPT

关键词equal opportunity

搜索结果 - 11

平等机会对统计歧视的影响
使用机器学习生成的企业信念扩展了正统统计歧视模型的工具包，使监管机构的工具不再局限于自由信念的监管，如平权行动。通过强制企业选择一种在群体之间使真正的阳性率平等的决策策略，可实现可合约的信念，虽然平权行动并不一定终结统计歧视，但我证明了平等
PDF9 months ago
关于公平约束学习对恶意噪声的脆弱性
对受到恶意干扰数据的公平约束学习的脆弱性进行研究，发现使用随机化分类器可以降低损失。
PDFa year ago
朝向算法公平的实质性概念：平等机会原则的规范指导
本研究利用政治哲学中的平等机会原则明确了不同概念的算法公平中蕴含的规范判断，并提出了以人们整个人生公正机会为基础的实体平等机会学说，探讨了前瞻性与后瞻性公平竞赛之间的不兼容性及其与算法公平的关系。在此基础上，本文进一步提出了两种基于算法的实
PDF2 years ago
ACL模型训练中优化平等机会公平性
本研究提出了两种新的训练目标，直接优化了广泛使用的平等机会标准，并证明它们在两个分类任务中减少偏见的同时保持高性能。
PDF2 years ago
通过对抗学习实现平等机会公平性
本文提出了一种用于对抗训练的增强鉴别器，以更丰富的特征和更明确的方式建模平等机会，实验证明相比标准的针对偏见的对抗性去偏见方法，我们的方法在性能 - 公平性平衡方面有很大的改进。
PDF2 years ago
ICML通过数据重新加权与影响实现无效益成本的公平性
本研究提出了一种数据重新加权方法，旨在通过调整训练样本的权重来实现公平性并保持预测效用，在多个真实世界数据集上对比基准方法，我们的方法可以在不影响效用的情况下，实现成本免费的公平性。
PDF2 years ago
超参数下标签不平衡和组别敏感分类
本文中，我们提出通过向深度网络添加 logit 权重调整来解决标签不平衡和组敏感分类问题。我们发现线性分类器必须引入乘性权重调整，而不是加性调整，以便在 TPT 中改变分类边界，我们提出了矢量缩放（VS）损失。此外，我们在状态 - 最新数据
PDF3 years ago
AAAI优化选择问题中的公平性与隐私
本文研究使用差分隐私指数机制作为后处理步骤以提高监督学习模型的公平性和隐私性，在真实数据集上的实验结果表明，指数机制可提高公平性和隐私性，而精确度略有下降。
PDF4 years ago
如何恢复有偏数据：公平约束是否能提高准确性？
考虑机器学习分类器对不同民族、群体的不公平对待问题，本文提出了公正约束的多种方式，以及带有偏见的训练数据对分类器性能的影响，并探讨了如何利用公正约束的 Empirical Risk Minimization 算法来调整分类器以达到公平与精确
PDF5 years ago
利用标记和未标记的数据进行一致性公平二元分类
研究二分类问题中的公平问题，通过使用 “Equal Opportunity”，确保真正的阳性率在敏感组中分布均匀。通过重新校准贝叶斯分类器，获得公平最优分类器。提供了一组门槛的构造表达式，并基于无标签和有标签的数据集设计了一个插件分类过程，
PDF5 years ago
透过反事实预测实现平等机会和肯定行动
本文提出了两个算法，通过因果模型和反事实决策来实现公平的机器学习预测器，以实现提供平等机会和重修历史劣势。在包括招生、收入、信用和再犯等领域的数据集上进行评估与权衡，结果表明这些预测器在理论上达到了预测性能的最优，同时满足公平性。
PDF5 years ago