Buchumschlag

Connecting Algorithmic Fairness to Quality Dimensions in Machine Learning in Official Statistics and Survey Production

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schenk, Patrick Oliver, Kern, Christoph
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Leveraging Machine Learning for Official Statistics: A Statistical Manifesto
von: Puts, Marco, et al.
Veröffentlicht: (2024)

Depth Functions for Partial Orders with a Descriptive Analysis of Machine Learning Algorithms
von: Blocher, Hannah, et al.
Veröffentlicht: (2023)

Multi-CATE: Multi-Accurate Conditional Average Treatment Effect Estimation Robust to Unknown Covariate Shifts
von: Kern, Christoph, et al.
Veröffentlicht: (2024)

From Ground Truth to Measurement: A Statistical Framework for Human Labeling
von: Chew, Robert, et al.
Veröffentlicht: (2026)

Causal Machine Learning: A Survey and Open Problems
von: Kaddour, Jean, et al.
Veröffentlicht: (2022)

Statistical Theory of Multi-stage Newton Iteration Algorithm for Online Continual Learning
von: Lu, Xinjia, et al.
Veröffentlicht: (2025)

Statistical Inference for Online Algorithms
von: Carter, Selina, et al.
Veröffentlicht: (2025)

Survey on Algorithms for multi-index models
von: Bruna, Joan, et al.
Veröffentlicht: (2025)

Causal Decomposition Analysis with Synergistic Interventions: A Triply-Robust Machine Learning Approach to Addressing Multiple Dimensions of Social Disparities
von: Park, Soojin, et al.
Veröffentlicht: (2025)

Statistical Limits and Efficient Algorithms for Differentially Private Federated Learning
von: Auddy, Arnab, et al.
Veröffentlicht: (2026)

Multi-Study R-Learner for Estimating Heterogeneous Treatment Effects Across Studies Using Statistical Machine Learning
von: Shyr, Cathy, et al.
Veröffentlicht: (2023)

Statistical Inference for Heterogeneous Treatment Effects Discovered by Generic Machine Learning in Randomized Experiments
von: Imai, Kosuke, et al.
Veröffentlicht: (2022)

Learning Functional Graphs with Nonlinear Sufficient Dimension Reduction
von: Kim, Kyongwon, et al.
Veröffentlicht: (2026)

Robust Tensor Regression with Nonconvexity: Algorithmic and Statistical Theory
von: Song, Zihao, et al.
Veröffentlicht: (2026)

Optimal Scaling for the Proximal Langevin Algorithm in High Dimensions
von: Pillai, Natesh S.
Veröffentlicht: (2022)

Multi-Task Learning with Summary Statistics
von: Knight, Parker, et al.
Veröffentlicht: (2023)

Learning When the Concept Shifts: Confounding, Invariance, and Dimension Reduction
von: Dharmakeerthi, Kulunu, et al.
Veröffentlicht: (2024)

Task-tailored Pre-processing: Fair Downstream Supervised Learning
von: Sohn, Jinwon, et al.
Veröffentlicht: (2026)

Integrating Explainable Machine Learning and Mixed-Integer Optimization for Personalized Sleep Quality Intervention
von: Anik, Mahfuz Ahmed, et al.
Veröffentlicht: (2026)

Statistical Guarantees in the Search for Less Discriminatory Algorithms
von: Hays, Chris, et al.
Veröffentlicht: (2025)

Statistical Performance Guarantee for Subgroup Identification with Generic Machine Learning
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2023)

Predicting BVD Re-emergence in Irish Cattle From Highly Imbalanced Herd-Level Data Using Machine Learning Algorithms
von: Mimnagh, Niamh, et al.
Veröffentlicht: (2025)

An Open-Access Benchmark of Statistical and Machine-Learning Anomaly Detection Methods for Battery Applications
von: Pang, Mei-Chin, et al.
Veröffentlicht: (2025)

Statistical Learning for Heterogeneous Treatment Effects: Pretraining, Prognosis, and Prediction
von: Schuessler, Maximilian, et al.
Veröffentlicht: (2025)

New Statistical Framework for Extreme Error Probability in High-Stakes Domains for Reliable Machine Learning
von: Michelucci, Umberto, et al.
Veröffentlicht: (2025)

Multi-Task Learning for Sparsity Pattern Heterogeneity: Statistical and Computational Perspectives
von: Behdin, Kayhan, et al.
Veröffentlicht: (2022)

Statistical Learning for Latent Embedding Alignment with Application to Brain Encoding and Decoding
von: Xu, Shuoxun, et al.
Veröffentlicht: (2026)

Doubly-Regressing Approach for Subgroup Fairness
von: Kim, Kunwoong, et al.
Veröffentlicht: (2025)

Interpretable Machine Learning for Survival Analysis
von: Langbein, Sophie Hanna, et al.
Veröffentlicht: (2024)

A VAE-based Framework for Learning Multi-Level Neural Granger-Causal Connectivity
von: Lin, Jiahe, et al.
Veröffentlicht: (2024)

The Connection Between R-Learning and Inverse-Variance Weighting for Estimation of Heterogeneous Treatment Effects
von: Fisher, Aaron
Veröffentlicht: (2023)

Annotation Sensitivity: Training Data Collection Methods Affect Model Performance
von: Kern, Christoph, et al.
Veröffentlicht: (2023)

Sparklen: A Statistical Learning Toolkit for High-Dimensional Hawkes Processes in Python
von: Lacoste, Romain Edmond
Veröffentlicht: (2025)

Golden Ratio-Based Sufficient Dimension Reduction
von: Yang, Wenjing, et al.
Veröffentlicht: (2024)

Achieving Fairness with a Simple Ridge Penalty
von: Scutari, Marco, et al.
Veröffentlicht: (2021)

Active Statistical Inference
von: Zrnic, Tijana, et al.
Veröffentlicht: (2024)

Robustness of Algorithms for Causal Structure Learning to Hyperparameter Choice
von: Machlanski, Damian, et al.
Veröffentlicht: (2023)

Task-Agnostic Machine-Learning-Assisted Inference
von: Miao, Jiacheng, et al.
Veröffentlicht: (2024)

Finite-Sample and Distribution-Free Fair Classification: Optimal Trade-off Between Excess Risk and Fairness, and the Cost of Group-Blindness
von: Hou, Xiaotian, et al.
Veröffentlicht: (2024)