• 200.

    Typy uprzedzeń w danych

    https://arxiv.org/abs/1908.09635

    Żadne dane nie są neutralne, te generowane z zasobów społecznych (np. z Internetu czy literatury) mogą dodatkowo replikować ujawniające się w tych źródłach stereotypy i uprzedzenia. "A Survey on Bias and Fairness in Machine Learning" to artykuł próbujący opisać typy uprzedzeń i stronniczości obecnych w danych. Ninareh Mehrabi i współautorzy zaproponowali ponad 20 typów stronniczości danych, wśród nich są te wynikające ze społecznych źródeł danych, ale też te będące efektem błędnego planowania danych i właściwości analiz statystycznych, takich jak np. Paradoks Simpsona. #dane

    Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2019). A survey on bias and fairness in machine learning. arXiv preprint arXiv:1908.09635.

    Dodane przez: mw | 2021-03-01 | Udostępnij na Facebooku | Udostępnij na Twitterze
    Jeśli nie chcesz pominąć nowych wpisów, subskrybuj kanał RSS lub newsletter. Newsletter wysyłany jest co tydzień w piątek, znajdziesz w nim podsumowanie ostatnio dodanych wpisów i nowe treści, których nie ma na stronie.

    Czy wiesz, czym jest Web scraping? Zwiększ zasięg swojego badania i zamów dane z internetu