Copertina

State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Baumann, Elias, Rumberger, Josef Lorenz
Natura:	Preprint
Pubblicazione:	2018
Soggetti:	Computers and Society Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Prediction-Modelers and Decision-Makers: Why Fairness Requires More Than a Fair Prediction Model
di: Scantamburlo, Teresa, et al.
Pubblicazione: (2023)

FairSense: Long-Term Fairness Analysis of ML-Enabled Systems
di: She, Yining, et al.
Pubblicazione: (2025)

Boosting Fair Classifier Generalization through Adaptive Priority Reweighing
di: Hu, Zhihao, et al.
Pubblicazione: (2023)

FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software
di: Yu, Normen, et al.
Pubblicazione: (2024)

Aequitas Flow: Streamlining Fair ML Experimentation
di: Jesus, Sérgio, et al.
Pubblicazione: (2024)

FairHome: A Fair Housing and Fair Lending Dataset
di: Bagalkotkar, Anusha, et al.
Pubblicazione: (2024)

Predicting Fairness of ML Software Configurations
di: Herrera, Salvador Robles, et al.
Pubblicazione: (2024)

FairWire: Fair Graph Generation
di: Kose, O. Deniz, et al.
Pubblicazione: (2024)

Insights From Insurance for Fair Machine Learning
di: Fröhlich, Christian, et al.
Pubblicazione: (2023)

Effort-aware Fairness: Incorporating a Philosophy-informed, Human-centered Notion of Effort into Algorithmic Fairness Metrics
di: Nguyen, Tin Trung, et al.
Pubblicazione: (2025)

FairGT: A Fairness-aware Graph Transformer
di: Luo, Renqiang, et al.
Pubblicazione: (2024)

What is Fair? Defining Fairness in Machine Learning for Health
di: Gao, Jianhui, et al.
Pubblicazione: (2024)

Fair for a few: Improving Fairness in Doubly Imbalanced Datasets
di: Yalcin, Ata, et al.
Pubblicazione: (2025)

Procedural Fairness and Its Relationship with Distributive Fairness in Machine Learning
di: Wang, Ziming, et al.
Pubblicazione: (2025)

Be Intentional About Fairness!: Fairness, Size, and Multiplicity in the Rashomon Set
di: Dai, Gordon, et al.
Pubblicazione: (2025)

AdapFair: Ensuring Adaptive Fairness for Machine Learning Operations
di: Huang, Yinghui, et al.
Pubblicazione: (2024)

FairPFN: A Tabular Foundation Model for Causal Fairness
di: Robertson, Jake, et al.
Pubblicazione: (2025)

The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning
di: Fawkes, Jake, et al.
Pubblicazione: (2024)

Are There Exceptions to Goodhart's Law? On the Moral Justification of Fairness-Aware Machine Learning
di: Weerts, Hilde, et al.
Pubblicazione: (2022)

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
di: Somerstep, Seamus, et al.
Pubblicazione: (2024)

Causal Fair Metric: Bridging Causality, Individual Fairness, and Adversarial Robustness
di: Ehyaei, Ahmad-Reza, et al.
Pubblicazione: (2023)

FairBranch: Mitigating Bias Transfer in Fair Multi-task Learning
di: Roy, Arjun, et al.
Pubblicazione: (2023)

Partial Identification Approach to Counterfactual Fairness Assessment
di: Rho, Saeyoung, et al.
Pubblicazione: (2025)

FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods
di: Han, Xiaotian, et al.
Pubblicazione: (2023)

Monotone Individual Fairness
di: Bechavod, Yahav
Pubblicazione: (2024)

Resource-constrained Fairness
di: Goethals, Sofie, et al.
Pubblicazione: (2024)

Fairness in KI-Systemen
di: Strotherm, Janine, et al.
Pubblicazione: (2023)

Fair Wasserstein Coresets
di: Xiong, Zikai, et al.
Pubblicazione: (2023)

Reconsidering Fairness Through Unawareness From the Perspective of Model Multiplicity
di: Höltgen, Benedikt, et al.
Pubblicazione: (2025)

How Robust is your Fair Model? Exploring the Robustness of Diverse Fairness Strategies
di: Small, Edward, et al.
Pubblicazione: (2022)

Fairness in Federated Learning: Fairness for Whom?
di: Taik, Afaf, et al.
Pubblicazione: (2025)

Normalise for Fairness: A Simple Normalisation Technique for Fairness in Regression Machine Learning Problems
di: Amin, Mostafa M., et al.
Pubblicazione: (2022)

FairSIN: Achieving Fairness in Graph Neural Networks through Sensitive Information Neutralization
di: Yang, Cheng, et al.
Pubblicazione: (2024)

Bias Begins with Data: The FairGround Corpus for Robust and Reproducible Research on Algorithmic Fairness
di: Simson, Jan, et al.
Pubblicazione: (2025)

On the (In)Compatibility between Group Fairness and Individual Fairness
di: Xu, Shizhou, et al.
Pubblicazione: (2024)

FairDP: Certified Fairness with Differential Privacy
di: Tran, Khang, et al.
Pubblicazione: (2023)

FairRAG: Fair Human Generation via Fair Retrieval Augmentation
di: Shrestha, Robik, et al.
Pubblicazione: (2024)

Fairness in LLM-Generated Surveys
di: Abeliuk, Andrés, et al.
Pubblicazione: (2025)

Learning Interpretable Fair Representations
di: Wang, Tianhao, et al.
Pubblicazione: (2024)

Uncertainty-based Fairness Measures
di: Kuzucu, Selim, et al.
Pubblicazione: (2023)