(Abbildung dient nur zur Veranschaulichung)
Verfahren zur Reduzierung algorithmischer Verzerrungen lassen sich im Hinblick auf den Modelltrainingsprozess in drei Hauptphasen unterteilen. Vorverarbeitungsmethoden modifizieren die Trainingsdaten selbst (z. B. durch Neugewichtung oder Resampling). In-Processing-Methoden integrieren Fairness-Bedingungen direkt in den Lernalgorithmus des Modells. Nachverarbeitungsmethoden passen die Vorhersagen des Modells im Nachhinein an, um die Fairness zu verbessern.
Diese dreiteilige Klassifizierung bietet einen strukturierten Rahmen zur Behebung von Verzerrungen. Die Vorverarbeitung ist datenzentriert; sie zielt darauf ab, einen „fairen“ Datensatz zu erstellen, bevor das Modell ihn verwendet. Techniken wie das Neugewichten weisen Datenpunkten unterschiedliche Gewichtungen zu, um Ungleichgewichte auszugleichen, während Über-/Unterabtastung die Anzahl der Instanzen aus verschiedenen Gruppen anpasst. Dieser Ansatz ist modellunabhängig, kann aber die zugrunde liegende Verteilung der Daten verändern.
Die In-Processing-Methode ist modellzentriert. Sie modifiziert die Zielfunktion des Lernalgorithmus, um einen Strafterm für Ungerechtigkeit einzuführen. Beispielsweise könnte ein Modell so optimiert werden, dass die Genauigkeit maximiert und gleichzeitig die Unterschiede in den Fehlerraten zwischen Gruppen minimiert werden. Dies kann zu stärker integrierten Lösungen führen, erfordert jedoch eine Anpassung des Kernalgorithmus und verringert dessen Flexibilität.
Die Nachbearbeitung ist vorhersageorientiert. Sie nimmt die Ausgaben eines trainierten, potenziell verzerrten Modells und passt sie an, um ein Fairnesskriterium zu erfüllen. Dies kann die Änderung von Klassifizierungsschwellenwerten für verschiedene Gruppen beinhalten. Es ist die schonendste Methode, da sie das Modell als Blackbox behandelt, kann aber den Gesamtnutzen verringern und willkürlich wirken. Die Wahl des Verfahrens hängt von Faktoren wie dem Zugriff auf die Trainingsdaten, der Möglichkeit zur Modellmodifizierung und den spezifischen Fairnesszielen ab.
Aufgrund des hohen Datenverkehrs durch Web-Scraping-Bots, der derzeit mehr als 40.000 Anfragen pro Tag umfasst, ist dieser Inhalt ausschließlich Community-Mitgliedern vorbehalten.
> Anmelden < oder > Registrieren < (100% kostenlos) Zugriff darauf sowie auf alle anderen eingeschränkten Inhalte und Tools.
Phasen der Bias-Minderung
(wenn das Datum unbekannt oder nicht relevant ist, z. B. „Strömungsmechanik“, wird eine gerundete Schätzung seines bemerkenswerten Auftretens bereitgestellt)
Bilder in voller Größe und Downloads sind nur für registrierte Mitglieder 100% kostenlos verfügbar.
> Login <
