AI 词汇表
人工智能完整词典
200
个类别
2,608
个子类别
30,011
个术语
个术语
几率均等
一种公平性度量，要求在真实结果给定的条件下，阳性预测的几率与人口群体无关。
个术语
反事实分析
一种可解释性技术，用于评估如果个体的某些特征（尤其是其群体归属）被改变，模型的预测会如何变化。
个术语
预测均等
一项公平性标准，要求所有群体的阳性预测值（PPV）必须相同，以确保阳性预测具有统一的可靠性。
个术语
对抗性去偏
一种偏见缓解方法，它使用对抗性神经网络来学习对敏感属性保持不变的数据表示。
个术语
分组校准
调整模型概率分数的过程，以确保在每个亚人口群体内部，预测都是良好校准的。
个术语
用于公平性的SHAP
应用SHAP（SHapley Additive exPlanations）值，来量化和可视化敏感特征如何导致模型产生歧视性预测。
个术语
公平损失函数
对学习算法的目标函数进行修改，在其中加入惩罚项或约束条件，以鼓励模型满足特定的公平性度量标准。
个术语
敏感属性代理变量
与受保护属性（例如，代表族裔的邮政编码）高度相关的非敏感变量，模型可能利用它来延续间接歧视。
个术语
差异化错误对待
一种偏见形式，其中分类错误率（假阳性、假阴性）在不同人口统计群体之间存在显著差异。
个术语
重新加权
一种预处理技术，通过调整每个训练样本的权重来平衡群体和结果的分布，从而减少模型偏差。
个术语
相互独立
一种形式化公平性标准，要求模型的预测与敏感属性在统计上相互独立，这种独立性可通过互信息来衡量。
🔍