Buchumschlag

Causal Fair Machine Learning via Rank-Preserving Interventional Distributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bothmann, Ludwig, Dandl, Susanne, Schomaker, Michael
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Is Fairness? On the Role of Protected Attributes and Fictitious Worlds
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2022)

mlr3summary: Concise and interpretable summaries for machine learning models
von: Dandl, Susanne, et al.
Veröffentlicht: (2024)

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

Overcoming Fairness Trade-offs via Pre-processing: A Causal Perspective
von: Leininger, Charlotte, et al.
Veröffentlicht: (2025)

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

Tuning Derivatives for Causal Fairness in Machine Learning
von: Edström, Filip, et al.
Veröffentlicht: (2026)

What's in a Query: Polarity-Aware Distribution-Based Fair Ranking
von: Balagopalan, Aparna, et al.
Veröffentlicht: (2025)

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

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

Hidden or Inferred: Fair Learning-To-Rank with Unknown Demographics
von: Olulana, Oluseun, et al.
Veröffentlicht: (2024)

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

Privilege Scores
von: Bothmann, Ludwig, et al.
Veröffentlicht: (2025)

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

Post-Fair Federated Learning: Achieving Group and Community Fairness in Federated Learning via Post-processing
von: Duan, Yuying, et al.
Veröffentlicht: (2024)

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

Beyond Off-the-Shelf Models: A Lightweight and Accessible Machine Learning Pipeline for Ecologists Working with Image Data
von: Chemery, Clare, et al.
Veröffentlicht: (2026)

Fair Active Ranking from Pairwise Preferences
von: Gorantla, Sruthi, et al.
Veröffentlicht: (2024)

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

Learning Fair Ranking Policies via Differentiable Optimization of Ordered Weighted Averages
von: Dinh, My H., et al.
Veröffentlicht: (2024)

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

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

Distribution-Free Fair Federated Learning with Small Samples
von: Yin, Qichuan, et al.
Veröffentlicht: (2024)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

The Effect of Enforcing Fairness on Reshaping Explanations in Machine Learning Models
von: Anderson, Joshua Wolff, et al.
Veröffentlicht: (2025)

An Experimental Study on Fairness-aware Machine Learning for Credit Scoring Problems
von: Thu, Huyen Giang Thi, et al.
Veröffentlicht: (2024)

Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning
von: Rathore, Vidhi
Veröffentlicht: (2026)

Fairness in Ranking under Disparate Uncertainty
von: Rastogi, Richa, et al.
Veröffentlicht: (2023)

Properties of Group Fairness Metrics for Rankings
von: Schumacher, Tobias, et al.
Veröffentlicht: (2022)

A Tutorial On Intersectionality in Fair Rankings
von: Criscuolo, Chiara, et al.
Veröffentlicht: (2025)

Investigating Gender Fairness in Machine Learning-driven Personalized Care for Chronic Pain
von: Gajane, Pratik, et al.
Veröffentlicht: (2024)

On The Fairness Impacts of Hardware Selection in Machine Learning
von: Nelaturu, Sree Harsha, et al.
Veröffentlicht: (2023)

Fairness in Multi-Task Learning via Wasserstein Barycenters
von: Hu, François, et al.
Veröffentlicht: (2023)

Fair Machine Learning in Healthcare: A Review
von: Feng, Qizhang, et al.
Veröffentlicht: (2022)

Trade-offs Between Individual and Group Fairness in Machine Learning: A Comprehensive Review
von: Benítez-Peña, Sandra, et al.
Veröffentlicht: (2026)

The Missing Link: Allocation Performance in Causal Machine Learning
von: Fischer-Abaigar, Unai, et al.
Veröffentlicht: (2024)

On Fairness of Low-Rank Adaptation of Large Models
von: Ding, Zhoujie, et al.
Veröffentlicht: (2024)

When Fair Ranking Meets Uncertain Inference
von: Ghosh, Avijit, et al.
Veröffentlicht: (2021)

A Primer on Causal and Statistical Dataset Biases for Fair and Robust Image Analysis
von: Jones, Charles, et al.
Veröffentlicht: (2025)

Fair Graph Representation Learning via Sensitive Attribute Disentanglement
von: Zhu, Yuchang, et al.
Veröffentlicht: (2024)

Fair Machine Learning for Healthcare Requires Recognizing the Intersectionality of Sociodemographic Factors, a Case Study
von: Valentine, Alissa A., et al.
Veröffentlicht: (2024)