Three naive Bayes approaches for discrimination-free

时间 2021-01-07

标签机器学习公平性测试繁體版

原文原文链接

三种歧视感知分类的方法： 1.我们在朴素贝叶斯模型中改变观察到的概率，使其预测变得无歧视 2.第二种方法包括学习两种不同的模型;一个S = 0，一个S = 1，然后对这些模型进行平衡 3.在第三个也是最复杂的方法中，我们引入了一个潜在变量L，它不加区分地反映一个对象的潜在“真”类。然后利用期望最大化技术学习模型中的概率。朴素贝叶斯优点：（1）朴素贝叶斯模型发源于古典数学理论，有稳

>>阅读原文<<

1. [ML] Naive Bayes for Text Classification
2. Naive Bayes text classification
3. Naive Bayes（Simple Example）
4. Naive Bayes Classifier in OpenNLP
5. [Scikit-learn] 1.9 Naive Bayes
6. 2 ways of using Naive Bayes classification for numeric attributes
7. Supervised Learning-----Naive Bayes Classification
8. Naive Bayes贝叶斯
9. 朴素贝叶斯（Naive-Bayes）
10. Naive Bayes（朴素贝叶斯）
更多相关文章...
• Lua for 循环 - Lua 教程
• Swift for 循环 - Swift 教程
• PHP开发工具
• C# 中 foreach 遍历的用法