arXiv · cs.AI · Matteo Grazioso, Fabio Naccarella, Chiara Gallese, Marco S. Nobile · 10 小时前模型评分34
研究指二元公平性指标在多类多群体场景下失真，提出广义公式
Rethinking Fairness Metrics for Multi-Class and Multi-Group Assessment: Not Everything is Binary
导读
一项研究指出，现有公平性指标普遍假设敏感特征与输出标签为二元，遇到多类数据时用一对多简化强行二值化，会扭曲实证评估结果。作者提出数学上更严谨的多群体、多类公平性指标广义公式，揭示二元指标在多类场景下的局限。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we discuss the limitations of existing metrics and propose novel, mathematically sound, and generalized multi-group and multi-class formulations of the metrics.”
来源：arXiv · cs.AI · arxiv.org