Can Ensembling Pre-processing Algorithms Lead to Better Machine Learning Fairness?

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

Département:	Département de génie informatique et génie logiciel
URL de PolyPublie:	https://publications.polymtl.ca/60472/
Source:	Zenodo (CERN European Organization for Nuclear Research)
Maison d'édition:	European Organization for Nuclear Research
DOI:	10.5281/zenodo.7258407
URL officielle:	https://doi.org/10.5281/zenodo.7258407
Date du dépôt:	02 déc. 2024 10:22
Dernière modification:	02 déc. 2024 10:22

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 (CERN European Organization for Nuclear Research). https://doi.org/10.5281/zenodo.7258407
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel