Публикации по теме 'bias'
Причинный вывод с помощью линейной регрессии: эндогенность
Обсуждение экзогенной переменной, экзогенной переменной, пропущенной переменной, ошибки измерения и погрешности одновременности
В моей предыдущей статье мы обсудили некоторые распространенные проблемы при разработке линейной регрессии — исключение важных переменных и включение нерелевантных переменных. В этой статье мы обсудим эндогенность в модели линейной регрессии, особенно в контексте причинно-следственной связи .
Модель линейной регрессии — это популярный инструмент,..
Выявление предвзятости в машинном обучении: подробное руководство по измерению справедливости с помощью Python
Как использовать равные возможности, равные шансы и несоизмеримое влияние для анализа и смягчения предвзятости в ваших моделях машинного обучения
Введение:
Поскольку машинное обучение продолжает революционизировать отрасли и нашу повседневную жизнь, очень важно, чтобы мы создавали эти системы с учетом принципа справедливости и равноправия. К сожалению, без тщательного рассмотрения алгоритмы машинного обучения могут увековечить и даже усилить существующие социальные предубеждения, что..
НАУЧИТЕСЬ СНОВА ВЛЮБИТЬСЯ В СИСТЕМЫ ИИ
Ошибки являются естественной частью человеческого поведения. Большинство наших ошибок — это мелкие, несущественные просчеты или временные упущения в здравом уме. У всех нас бывают плохие дни, перепады настроения или старшие моменты, которые вызывают невынужденные ошибки. Импульсивность и усталость тоже не помогают нам принимать правильные решения. Неудивительно, что искусственный интеллект (ИИ) был так тепло воспринят как лекарство от человеческого состояния.
По мере ускорения внедрения..
Навигация по когнитивным искажениям и системным предубеждениям, перспектива.
Существуют миллиарды вариаций неявных предубеждений, которые уникальны для людей, придерживающихся этих предубеждений. На самом деле, все мы, люди, придерживаемся многих предубеждений, необходимых для нашего выживания: предрассудков против гнилой или прокисшей пищи, предубеждений против прикосновения к горячей плите. Помимо этих первичных предубеждений, у нас также есть множество индивидуальных приобретенных предубеждений за или против вещей, которые влияют на принятие нами решений...
Сложная часть прикладной науки о данных: SELECTION BIAS
Модели классификации в коммерческом использовании
В коммерческом использовании существует множество моделей классификации, удержание клиентов, взыскание долгов, перекрестные продажи, дополнительные продажи… вы называете это!
Предположим, ваша следующая модель готова и готова к работе! Вам не терпится запустить его в производство, когда вы проводите собрания по проверке и развертыванию. Все идет нормально.
На данный момент заинтересованные лица, возможно, действительно впечатлены..
Вот как А. Предвзятость действительно бывает - и почему ее так сложно исправить
Предвзятость может закрасться на многих этапах процесса глубокого обучения, и стандартные методы информатики не предназначены для ее обнаружения.
Карен Хао
За последние несколько месяцев мы задокументировали, как подавляющее большинство ИИ…
Предвзятость и справедливость в машинном обучении и наборе и развитии персонала
Изначально я считал, что алгоритмы, обученные должным образом, будут принимать лучшие и беспристрастные решения, чем человек. На этой неделе мне поручили провести два исследовательских опроса, которые открыли мне глаза на проблему предвзятости и справедливости в машинном обучении.
Первая статья, которую я буду обсуждать в этой записи блога, «Опрос предвзятости и справедливости в машинном обучении Нинаре Мехраби, Фреда Морстаттера, Нрипсуты Саксены, Кристины Лерман и Арама Галстяна,..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..