AI用語集
人工知能の完全辞典
236
カテゴリ
3,245
サブカテゴリ
39,334
用語
用語
均等なオッズ
真の結果を条件として、正の予測オッズが人口統計学的グループから独立していることを要求する公平性メトリック。
用語
反事実分析
個人の特定の特性、特にグループ所属が変更された場合に、モデルの予測がどのように変わるかを評価する解釈可能性技術。
用語
予測的均等性
正の予測値がすべてのグループで同じであるべきとする公平性基準で、正の予測が一貫した信頼性を持つことを保証する。
用語
敵対的デバイアシング
感性属性に対して不変なデータ表現を学習するために、敵対的ニューラルネットワークを使用するバイアス緩和手法。
用語
グループキャリブレーション
各人口統計学的サブグループ内で予測が適切にキャリブレーションされていることを確認するための、モデルの確率スコアの調整プロセス。
用語
公平性のためのSHAP
敏感な特性がモデルの差別的予測にどのように寄与するかを定量化し可視化するためのSHAP値（SHapley Additive exPlanations）の適用。
用語
公平な損失関数
特定の公平性メトリックの遵守を促すペナルティや制約を組み込むために、学習アルゴリズムの目的関数を修正する。
用語
敏感属性プロキシ
保護された属性（例：郵便番号と民族）と強く相関する非敏感な変数で、モデルによって間接的な差別を永続させるために使用される可能性がある。
用語
差別的扱い
分類エラー率（偽陽性、偽陰性）が人口統計グループ間で大幅に異なる形のバイアス。
用語
再重み付け
各訓練例の重みを調整してグループと結果の分布をバランスさせ、モデルのバイアスを低減する前処理技術。
用語
相互独立性
モデルの予測がセンシティブ属性から統計的に独立であることを要求する形式的な公平性基準で、相互情報量によって測定可能。
🔍