Buchumschlag

LSTM+Geo with xgBoost Filtering: A Novel Approach for Race and Ethnicity Imputation with Reduced Bias

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chalavadi, S., Pastor, A., Leitch, T.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

NY Real Estate Racial Equity Analysis via Applied Machine Learning
von: Chalavadi, Sanjana, et al.
Veröffentlicht: (2025)

Reducing the Filtering Effect in Public School Admissions: A Bias-aware Analysis for Targeted Interventions
von: Faenza, Yuri, et al.
Veröffentlicht: (2020)

Race, Ethnicity and Their Implication on Bias in Large Language Models
von: Hu, Shiyue, et al.
Veröffentlicht: (2026)

A Principled Approach for Data Bias Mitigation
von: Scarone, Bruno, et al.
Veröffentlicht: (2024)

What's in a Name? Auditing Large Language Models for Race and Gender Bias
von: Salinas, Alejandro, et al.
Veröffentlicht: (2024)

Spatial-Morphological Modeling for Multi-Attribute Imputation of Urban Blocks
von: Starikov, Vasilii, et al.
Veröffentlicht: (2026)

Geospatial Road Cycling Race Results Data Set
von: Janssens, Bram, et al.
Veröffentlicht: (2024)

A Regularized LSTM Method for Detecting Fake News Articles
von: Camelia, Tanjina Sultana, et al.
Veröffentlicht: (2024)

BoostFGL: Boosting Fairness in Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

Gender, Race, and Intersectional Bias in Resume Screening via Language Model Retrieval
von: Wilson, Kyra, et al.
Veröffentlicht: (2024)

Use of Boosting Algorithms in Household-Level Poverty Measurement: A Machine Learning Approach to Predict and Classify Household Wealth Quintiles in the Philippines
von: Salvador, Erika Lynet
Veröffentlicht: (2024)

An Effective Theory of Bias Amplification
von: Subramonian, Arjun, et al.
Veröffentlicht: (2024)

Underrepresentation, Label Bias, and Proxies: Towards Data Bias Profiles for the EU AI Act and Beyond
von: Ceccon, Marina, et al.
Veröffentlicht: (2025)

Outlier Detection Bias Busted: Understanding Sources of Algorithmic Bias through Data-centric Factors
von: Ding, Xueying, et al.
Veröffentlicht: (2024)

Bangla Fake News Detection Based On Multichannel Combined CNN-LSTM
von: George, Md. Zahin Hossain, et al.
Veröffentlicht: (2025)

Forecasting India's Demographic Transition Under Fertility Policy Scenarios Using hybrid LSTM-PINN Model
von: Khanra, Subarna, et al.
Veröffentlicht: (2025)

Still More Shades of Null: An Evaluation Suite for Responsible Missing Value Imputation
von: Khan, Falaah Arif, et al.
Veröffentlicht: (2024)

BiasBuster: a Neural Approach for Accurate Estimation of Population Statistics using Biased Location Data
von: Zeighami, Sepanta, et al.
Veröffentlicht: (2024)

Fuck the Algorithm: Conceptual Issues in Algorithmic Bias
von: Stinson, Catherine
Veröffentlicht: (2025)

Bias Amplification Enhances Minority Group Performance
von: Li, Gaotang, et al.
Veröffentlicht: (2023)

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

Role and Use of Race in AI/ML Models Related to Health
von: Were, Martin C., et al.
Veröffentlicht: (2025)

Bias and Identifiability in the Bounded Confidence Model
von: Borile, Claudio, et al.
Veröffentlicht: (2025)

When Collaborative Filtering is not Collaborative: Unfairness of PCA for Recommendations
von: Liu, David, et al.
Veröffentlicht: (2023)

Addressing Selection Bias in Computerized Adaptive Testing: A User-Wise Aggregate Influence Function Approach
von: Kwon, Soonwoo, et al.
Veröffentlicht: (2023)

Boosting Fairness and Robustness in Over-the-Air Federated Learning
von: Oksuz, Halil Yigit, et al.
Veröffentlicht: (2024)

Privacy-Preserving Race/Ethnicity Estimation for Algorithmic Bias Measurement in the U.S
von: Badrinarayanan, Saikrishna, et al.
Veröffentlicht: (2024)

FALE: Fairness-Aware ALE Plots for Auditing Bias in Subgroups
von: Giannopoulos, Giorgos, et al.
Veröffentlicht: (2024)

Boosting Fair Classifier Generalization through Adaptive Priority Reweighing
von: Hu, Zhihao, et al.
Veröffentlicht: (2023)

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

Post-hoc Orthogonalization for Mitigation of Protected Feature Bias in CXR Embeddings
von: Weber, Tobias, et al.
Veröffentlicht: (2023)

Toward Mitigating Sex Bias in Pilot Trainees' Stress and Fatigue Modeling
von: Pfeifer, Rachel, et al.
Veröffentlicht: (2024)

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

Moral Sensitivity in LLMs: A Tiered Evaluation of Contextual Bias via Behavioral Profiling and Mechanistic Interpretability
von: Aggarwal, Yash, et al.
Veröffentlicht: (2026)

AI-Driven Strategies for Reducing Student Withdrawal -- A Study of EMU Student Stopout
von: Zhao, Yan, et al.
Veröffentlicht: (2024)

What is Left After Distillation? How Knowledge Transfer Impacts Fairness and Bias
von: Mohammadshahi, Aida, et al.
Veröffentlicht: (2024)

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

DSO: Direct Steering Optimization for Bias Mitigation
von: Paes, Lucas Monteiro, et al.
Veröffentlicht: (2025)

A Multi-Component Reward Function with Policy Gradient for Automated Feature Selection with Dynamic Regularization and Bias Mitigation
von: Khadka, Sudip, et al.
Veröffentlicht: (2025)

A Causal Framework to Evaluate Racial Bias in Law Enforcement Systems
von: Han, Jessy Xinyi, et al.
Veröffentlicht: (2024)