150页ppt！最全《公平感知机器学习与数据挖掘》教程，日本AIST Toshihiro Kamishima博士

公平性感知机器学习或公平性感知数据挖掘的目标是在分析数据的同时考虑到公平性、歧视、中立性和/或独立性等潜在问题。FAML的两个主要任务是不公平检测和不公平预防。不公平检测任务旨在发现数据库中的不公平待遇。不公平预防任务的目的是学会一个统计模型从潜在的不公平的数据集,这样敏感的特性不会影响模型的结果,其中一个敏感特性表示的信息希望不影响结果,如社会敏感信息或信息,用户希望忽略。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“FAML” 就可以获取《150页ppt！最全《公平感知机器学习与数据挖掘》教程，日本AIST Toshihiro Kamishima博士》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加专知微信助手，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源