Buchumschlag

Understanding Disparities in Post Hoc Machine Learning Explanation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mhasawade, Vishwali, Rahman, Salman, Haskell-Craig, Zoe, Chunara, Rumi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Disparate Effect Of Missing Mediators On Transportability of Causal Effects
von: Mhasawade, Vishwali, et al.
Veröffentlicht: (2024)

Impact on Public Health Decision Making by Utilizing Big Data Without Domain Knowledge
von: Zhang, Miao, et al.
Veröffentlicht: (2024)

Generalization in Healthcare AI: Evaluation of a Clinical Large Language Model
von: Rahman, Salman, et al.
Veröffentlicht: (2024)

Understanding challenges to the interpretation of disaggregated evaluations of algorithmic fairness
von: Pfohl, Stephen R., et al.
Veröffentlicht: (2025)

Dealing with the Evil Twins: Improving Random Augmentation by Addressing Catastrophic Forgetting of Diverse Augmentations
von: Cho, Dongkyu, et al.
Veröffentlicht: (2025)

Mitigating Urban-Rural Disparities in Contrastive Representation Learning with Satellite Imagery
von: Zhang, Miao, et al.
Veröffentlicht: (2022)

Facets of Disparate Impact: Evaluating Legally Consistent Bias in Machine Learning
von: Briscoe, Jarren, et al.
Veröffentlicht: (2025)

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

Bayes-Optimal Fair Classification with Linear Disparity Constraints via Pre-, In-, and Post-processing
von: Zeng, Xianli, et al.
Veröffentlicht: (2024)

Fast Calibrated Explanations: Efficient and Uncertainty-Aware Explanations for Machine Learning Models
von: Löfström, Tuwe, et al.
Veröffentlicht: (2024)

Exploring Educational Equity: A Machine Learning Approach to Unravel Achievement Disparities in Georgia
von: Ma, Yichen, et al.
Veröffentlicht: (2024)

The Balancing Act of Policies in Developing Machine Learning Explanations
von: Tjaden, Jacob
Veröffentlicht: (2025)

Machine Learning for Health symposium 2024 -- Findings track
von: Hegselmann, Stefan, et al.
Veröffentlicht: (2025)

Expert-guided Clinical Text Augmentation via Query-Based Model Collaboration
von: Cho, Dongkyu, et al.
Veröffentlicht: (2025)

Learning Representational Disparities
von: Ravishankar, Pavan, et al.
Veröffentlicht: (2025)

Predicting and Understanding College Student Mental Health with Interpretable Machine Learning
von: Chowdhury, Meghna Roy, et al.
Veröffentlicht: (2025)

Disparate Conditional Prediction in Multiclass Classifiers
von: Sabato, Sivan, et al.
Veröffentlicht: (2022)

Machine Learning Enabled Early Warning System For Financial Distress Using Real-Time Digital Signals
von: pant, Laxmi, et al.
Veröffentlicht: (2025)

Feature Importance Disparities for Data Bias Investigations
von: Chang, Peter W., et al.
Veröffentlicht: (2023)

Balancing Act: Constraining Disparate Impact in Sparse Models
von: Hashemizadeh, Meraj, et al.
Veröffentlicht: (2023)

FairFML: Fair Federated Machine Learning with a Case Study on Reducing Gender Disparities in Cardiac Arrest Outcome Prediction
von: Li, Siqi, et al.
Veröffentlicht: (2024)

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

Performative Validity of Recourse Explanations
von: König, Gunnar, et al.
Veröffentlicht: (2025)

Selective Explanations
von: Paes, Lucas Monteiro, et al.
Veröffentlicht: (2024)

Geospatial Disparities: A Case Study on Real Estate Prices in Paris
von: Machado, Agathe Fernandes, et al.
Veröffentlicht: (2024)

Tree of Concepts: Interpretable Continual Learners in Non-Stationary Clinical Domains
von: Cho, Dongkyu, et al.
Veröffentlicht: (2026)

ReasonX: Declarative Reasoning on Explanations
von: State, Laura, et al.
Veröffentlicht: (2026)

Toward Fair Federated Learning under Demographic Disparities and Data Imbalance
von: Wu, Qiming, et al.
Veröffentlicht: (2025)

MachineLearnAthon: An Action-Oriented Machine Learning Didactic Concept
von: Tkáč, Michal, et al.
Veröffentlicht: (2024)

Self-AMPLIFY: Improving Small Language Models with Self Post Hoc Explanations
von: Bhan, Milan, et al.
Veröffentlicht: (2024)

Learning Disease Progression Models That Capture Health Disparities
von: Chiang, Erica, et al.
Veröffentlicht: (2024)

Machine Learning in Epidemiology
von: Wright, Marvin N., et al.
Veröffentlicht: (2026)

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

Practical Guide for Causal Pathways and Sub-group Disparity Analysis
von: Kohankhaki, Farnaz, et al.
Veröffentlicht: (2024)

EXAGREE: Mitigating Explanation Disagreement with Stakeholder-Aligned Models
von: Li, Sichao, et al.
Veröffentlicht: (2024)

Non-Determinism and the Lawlessness of Machine Learning Code
von: Cooper, A. Feder, et al.
Veröffentlicht: (2022)

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

Forget Forgetting: Continual Learning in a World of Abundant Memory
von: Cho, Dongkyu, et al.
Veröffentlicht: (2025)

Minimax Optimal Fair Classification with Bounded Demographic Disparity
von: Zeng, Xianli, et al.
Veröffentlicht: (2024)

Disparate Impact on Group Accuracy of Linearization for Private Inference
von: Das, Saswat, et al.
Veröffentlicht: (2024)