BriefGPT - AI 论文速递
·
f-FERM：一个可扩展的稳健公平经验风险最小化框架
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种处理回归算法中连续敏感属性的公平经验风险最小化方法，并泛化到整个有监督学习情境。同时，构建了一种针对内核方法的共性公平估计方法，实现了精度和公平要求的有效平衡。
🎯
关键要点
- 提出了一种处理包含连续敏感属性的回归算法的公平经验风险最小化方法。
- 该方法被泛化到标准有监督学习的整个情境中。
- 在平等概念的实证风险最小化情境中，可以减少公平度量。
- 构建了一种针对内核方法的共性公平估计方法。
- 实验结果显示该方法在公共数据集和新数据集上实现了精度和公平要求的有效平衡。
➡️
