Buchumschlag

Counterpart Fairness -- Addressing Systematic between-group Differences in Fairness Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yifei, Zhou, Zhengyang, Wang, Liqin, Laurentiev, John, Hou, Peter, Zhou, Li, Hong, Pengyu
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computers and Society J.3
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fair CCA for Fair Representation Learning: An ADNI Study
von: Hou, Bojian, et al.
Veröffentlicht: (2025)

Addressing Shortcomings in Fair Graph Learning Datasets: Towards a New Benchmark
von: Qian, Xiaowei, et al.
Veröffentlicht: (2024)

Navigating Towards Fairness with Data Selection
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

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

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

Evaluating Fair Feature Selection in Machine Learning for Healthcare
von: Zawad, Md Rahat Shahriar, et al.
Veröffentlicht: (2024)

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

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

Rethinking Individual Fairness in Deepfake Detection
von: Hou, Aryana, et al.
Veröffentlicht: (2025)

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

FairWire: Fair Graph Generation
von: Kose, O. Deniz, et al.
Veröffentlicht: (2024)

Fairness Evaluation with Item Response Theory
von: Xu, Ziqi, et al.
Veröffentlicht: (2024)

Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making
von: Castelnovo, Alessandro
Veröffentlicht: (2024)

Addressing Both Statistical and Causal Gender Fairness in NLP Models
von: Chen, Hannah, et al.
Veröffentlicht: (2024)

Learning Interpretable Fair Representations
von: Wang, Tianhao, et al.
Veröffentlicht: (2024)

Post-Training Fairness Control: A Single-Train Framework for Dynamic Fairness in Recommendation
von: Chen, Weixin, et al.
Veröffentlicht: (2026)

Unmasking Bias in AI: A Systematic Review of Bias Detection and Mitigation Strategies in Electronic Health Record-based Models
von: Chen, Feng, et al.
Veröffentlicht: (2023)

Am I Being Treated Fairly? A Conceptual Framework for Individuals to Ascertain Fairness
von: Ferreira, Juliett Suárez, et al.
Veröffentlicht: (2025)

Auditing LLMs for Algorithmic Fairness in Casenote-Augmented Tabular Prediction
von: Lee, Xiao Qi, et al.
Veröffentlicht: (2026)

Bias Mitigation in Fine-tuning Pre-trained Models for Enhanced Fairness and Efficiency
von: Zhang, Yixuan, et al.
Veröffentlicht: (2024)

Fair Submodular Cover
von: Chen, Wenjing, et al.
Veröffentlicht: (2024)

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

Counterfactual Situation Testing: Uncovering Discrimination under Fairness given the Difference
von: Alvarez, Jose M., et al.
Veröffentlicht: (2023)

FairDD: Fair Dataset Distillation
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

Identities are not Interchangeable: The Problem of Overgeneralization in Fair Machine Learning
von: Wang, Angelina
Veröffentlicht: (2025)

GFairHint: Improving Individual Fairness for Graph Neural Networks via Fairness Hint
von: Xu, Paiheng, et al.
Veröffentlicht: (2023)

Adversarial Fragility and Language Vulnerability in Clinical AI: A Systematic Audit of Diagnostic Collapse Under Imperceptible Perturbations and Cross-Lingual Drift in Low-Resource Healthcare Settings
von: Gabriel, Anthonio Oladimeji, et al.
Veröffentlicht: (2026)

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

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

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

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

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

Referee-Meta-Learning for Fast Adaptation of Locational Fairness
von: Chen, Weiye, et al.
Veröffentlicht: (2024)

Fair Risk Control: A Generalized Framework for Calibrating Multi-group Fairness Risks
von: Zhang, Lujing, et al.
Veröffentlicht: (2024)

Beyond Static Knowledge Messengers: Towards Adaptive, Fair, and Scalable Federated Learning for Medical AI
von: Arafat, Jahidul, et al.
Veröffentlicht: (2025)

FairEHR-CLP: Towards Fairness-Aware Clinical Predictions with Contrastive Learning in Multimodal Electronic Health Records
von: Wang, Yuqing, et al.
Veröffentlicht: (2024)

Closing the Gap in the Trade-off between Fair Representations and Accuracy
von: Rout, Biswajit, et al.
Veröffentlicht: (2024)

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

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

Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices
von: Hellmeier, Florian, et al.
Veröffentlicht: (2024)