Buchumschlag

Exploring Equality: An Investigation into Custom Loss Functions for Fairness Definitions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Gordon, Sayer, Simeon
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

News Sentiment as a Predictor for American Domestic Migration
von: Lane, Benjamin, et al.
Veröffentlicht: (2025)

Machine Learning for Public Good: Predicting Urban Crime Patterns to Enhance Community Safety
von: Gupta, Sia, et al.
Veröffentlicht: (2024)

A Fair Loss Function for Network Pruning
von: Meyer, Robbie, et al.
Veröffentlicht: (2022)

What Is the Point of Equality in Machine Learning Fairness? Beyond Equality of Opportunity
von: Kong, Youjin
Veröffentlicht: (2025)

Fairness in Algorithmic Recourse Through the Lens of Substantive Equality of Opportunity
von: Bell, Andrew, et al.
Veröffentlicht: (2024)

Fairness Hub Technical Briefs: Definition and Detection of Distribution Shift
von: Acevedo, Nicolas, et al.
Veröffentlicht: (2024)

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

FairTargetSim: An Interactive Simulator for Understanding and Explaining the Fairness Effects of Target Variable Definition
von: Gala, Dalia, et al.
Veröffentlicht: (2024)

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

Hidden Signals in Language: Inferring Sensitive Attributes from Reddit Comments Using Machine Learning
von: Agarwalla, Anay, et al.
Veröffentlicht: (2026)

Artificially Fluent: Swahili AI Performance Benchmarks Between English-Trained and Natively-Trained Datasets
von: Jaffer, Sophie, et al.
Veröffentlicht: (2025)

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

MMM-fair: An Interactive Toolkit for Exploring and Operationalizing Multi-Fairness Trade-offs
von: Swati, Swati, et al.
Veröffentlicht: (2025)

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

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

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

Fair Sampling in Diffusion Models through Switching Mechanism
von: Choi, Yujin, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
von: Somerstep, Seamus, 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)

From Bytes to Bites: Using Country Specific Machine Learning Models to Predict Famine
von: Kapoor, Salloni, et al.
Veröffentlicht: (2024)

Monotone Individual Fairness
von: Bechavod, Yahav
Veröffentlicht: (2024)

Resource-constrained Fairness
von: Goethals, Sofie, et al.
Veröffentlicht: (2024)

Fairness in KI-Systemen
von: Strotherm, Janine, et al.
Veröffentlicht: (2023)

Fair Wasserstein Coresets
von: Xiong, Zikai, et al.
Veröffentlicht: (2023)

State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers
von: Baumann, Elias, et al.
Veröffentlicht: (2018)

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

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

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

Exploring Accuracy-Fairness Trade-off in Large Language Models
von: Zhang, Qingquan, et al.
Veröffentlicht: (2024)

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

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

Uncertainty-based Fairness Measures
von: Kuzucu, Selim, et al.
Veröffentlicht: (2023)