Can ensembling pre-processing algorithms lead to better machine learning fairness?

Badran, Khaled; Côté, Pierre-Olivier; Kolopanis, Amanda; Bouchoucha, Rached; Collante, Antonio; Costa, Diego Elias; Shihab, Emad; Khomh, Foutse; Badran, Khaled; Côté, Pierre-Olivier; Kolopanis, Amanda; Bouchoucha, Rached; Collante, Antonio; Costa, Diego Elias; Shihab, Emad; Khomh, Foutse

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, Foutse Khomh

Ensemble de données (2022)

Accéder à ce document

Lien externe

Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel

Voir chez l'éditeur officiel

Résumé

The evaluation results of the fairness pre-processing algorithm, and ensemble method in terms of performance (f1-measure) and fairness from the study.

Département:

Département de génie informatique et génie logiciel

Matériel d'accompagnement:

Article

Adresse 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

OAI:

oai:publications.polymtl.ca:60472

ORCID

Date du dépôt:

02 déc. 2024 10:22

Dernière modification:

14 oct. 2026 14:21

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