fairness-accuracy trade-off | BriefGPT

关键词fairness-accuracy trade-off

搜索结果 - 4

数据集公平性：通过效用保证在您的数据上实现公平
机器学习公平性经常导致准确率下降，我们提出了一种基于数据集的高效方法来逼近公平性 - 准确性权衡曲线，并通过引入置信区间来量化逼近的不确定性，从而为各种数据模态下的数据集特定公平决策提供了一种有原则的框架。
PDF4 months ago
适应性增强与公平感知重新加权技术的公平分类
提出了一种新颖的公平 AdaBoost（FAB）方法，通过公平感知的权重调整技术实现公平分类，并在维持 AdaBoost 的优势的同时，几乎不牺牲预测性能。在实际数据集上进行的实证结果表明，FAB 在公平性和准确性的权衡方面优于同类方法。
PDF6 months ago
基于 Wasserstein 独立性的公平文本分类
该论文提出了一种新的方法来减轻神经文本分类中的偏见，它能够在处理公正性问题时不需要敏感属性的注释，与现有的方法相比具有可比较或更好的公正性和准确性权衡。
PDF8 months ago
KDD学习如何教授考虑公平性的深度多任务学习
提出了一种基于 L2T-FMT 算法的教师 - 学生网络，这种方法可以在多任务学习的情况下灵活选择优化目标（准确性或公平性），并且在公正性（12-19%）和准确性（最多 2%）上显著提高了表现。
PDF2 years ago