【機器學習中的公平性】Fairness in Machine Learning
原文出處：https://blog.godatadriven.com/fairness-in-pytorch 近幾年，機器學習的公平性廣泛地引起科研與開發人員的關注。簡單而言，由於不同的社會環境，導致同樣的算法，預測結果可能出現較大差異。Stijn 提出的對抗網絡（adversarial network）也許可以作爲輔助，提高預測的公平性，減少偏差。 對抗網絡原理 https://papers.n
相關文章
- 1. On Formalizing Fairness in Prediction with Machine Learning
- 2. 《Machine learning in materials science》材料科學中的機器學習
- 3. VisualStudio2019機器學習Machine Learning
- 4. 淺談推薦系統中的公平性--fairness in recommender system
- 5. 推薦系統公平性之組推薦的公平性--fairness in group recommender system
- 6. [Machine Learning] 機器學習系統的設計(Machine Learning System Design)
- 7. Machine Learning definition(機器學習的定義)
- 8. Machine Learning in Action:KNN Algorithm
- 9. 最大最小公平性（Max-min Fairness）的學習記錄
- 10. Machine Learning 機器學習筆記
- 更多相關文章...
- • Docker Machine - Docker教程
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 適用於PHP初學者的學習線路和建議
- • 漫談MySQL的鎖機制
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. On Formalizing Fairness in Prediction with Machine Learning
- 2. 《Machine learning in materials science》材料科學中的機器學習
- 3. VisualStudio2019機器學習Machine Learning
- 4. 淺談推薦系統中的公平性--fairness in recommender system
- 5. 推薦系統公平性之組推薦的公平性--fairness in group recommender system
- 6. [Machine Learning] 機器學習系統的設計(Machine Learning System Design)
- 7. Machine Learning definition(機器學習的定義)
- 8. Machine Learning in Action:KNN Algorithm
- 9. 最大最小公平性（Max-min Fairness）的學習記錄
- 10. Machine Learning 機器學習筆記