公平瓦瑟斯坦核心集
原文中文,约300字,阅读约需1分钟。发表于: 。通过生成公平的合成代表样本及样本级权重来最小化原始数据集与加权合成样本之间的 Wasserstein 距离,并通过线性约束实施(实证版本的)人口平等,从而在下游学习任务中提供公平的聚类算法,其竞争性能优于现有的公平聚类方法,即使通过公平预处理技术来增强后者的公平性。
本文提出了一种新的公平聚类算法,通过生成合成样本和样本权重来最小化Wasserstein距离,并实现人口平等,性能优于现有方法。
通过生成公平的合成代表样本及样本级权重来最小化原始数据集与加权合成样本之间的 Wasserstein 距离,并通过线性约束实施(实证版本的)人口平等,从而在下游学习任务中提供公平的聚类算法,其竞争性能优于现有的公平聚类方法,即使通过公平预处理技术来增强后者的公平性。
本文提出了一种新的公平聚类算法,通过生成合成样本和样本权重来最小化Wasserstein距离,并实现人口平等,性能优于现有方法。