机器学习在医疗领域中公平特征选择的评估
原文中文，约300字，阅读约需1分钟。发表于：。在普遍采用机器学习的医疗领域，自动化的社会偏见可能会加剧健康差距，我们探索了从特征选择的角度来解决算法公平性。传统的特征选择方法忽视了不同子群体之间这些因素的差异，而我们的公平特征选择方法考虑了所有人口群体的平等重要性。我们在三个公开可用的医疗数据集上测试了我们的方法，在这三个数据集上，我们观察到在公平性度量指标上的改善，同时平衡准确率仅有轻微下降。我们的方法解决了公平机器学习背景下的分配和程序公正性问题。
机器学习在医疗领域中的应用可能加剧健康差距。研究人员提出了一种公平特征选择方法，解决算法公平性问题。在三个医疗数据集上测试，发现公平性度量指标有所改善，准确率下降较小。该方法解决了公平机器学习中的分配和程序公正性问题。
