Khaled Badran, Pierre-Olivier Côté, Amanda Kolopanis, Rached Bouchoucha, Antonio Collante, Diego Elias Costa, Emad Shihab et Foutse Khomh
Ensemble de données (2022)
Un lien externe est disponible pour ce document
Afficher le résumé
Cacher le résumé
Abstract
The evaluation results of the fairness pre-processing algorithm, and ensemble method in terms of performance (f1-measure) and fairness from the study.
| Matériel d'accompagnement: | |
|---|---|
| Département: | Département de génie informatique et génie logiciel |
| URL de PolyPublie: | https://publications.polymtl.ca/60472/ |
| Source: | Zenodo |
| DOI: | 10.5281/zenodo.7255933 |
| Autres DOI associés à ce document: | 10.5281/zenodo.7255934; 10.5281/zenodo.7258407; 10.5281/zenodo.7259845 |
| URL officielle: | https://doi.org/10.5281/zenodo.7255933 |
| Date du dépôt: | 02 déc. 2024 10:22 |
| Dernière modification: | 26 janv. 2026 10:46 |
| Citer en APA 7: | Badran, K., Côté, P.-O., Kolopanis, A., Bouchoucha, R., Collante, A., Costa, D. E., Shihab, E., & Khomh, F. (2022). Can ensembling pre-processing algorithms lead to better machine learning fairness? [Ensemble de données]. Zenodo. https://doi.org/10.5281/zenodo.7255933 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
