(यह छवि केवल उदाहरण के लिए बनाई गई है)
एल्गोरिथम संबंधी पूर्वाग्रह निवारण तकनीकों को मॉडल प्रशिक्षण प्रक्रिया के संदर्भ में तीन मुख्य चरणों में वर्गीकृत किया गया है। पूर्व-प्रसंस्करण विधियाँ प्रशिक्षण डेटा को ही संशोधित करती हैं (जैसे, पुनर्भारण, पुनर्नमूनाकरण)। अंतःप्रसंस्करण विधियाँ निष्पक्षता संबंधी बाधाओं को सीधे मॉडल के शिक्षण एल्गोरिथम में शामिल करती हैं। पश्चात-प्रसंस्करण विधियाँ निष्पक्षता में सुधार के लिए मॉडल द्वारा की गई भविष्यवाणियों को समायोजित करती हैं।
यह तीन-भाग वाला वर्गीकरण पूर्वाग्रह को दूर करने के लिए एक संरचित ढांचा प्रदान करता है। प्री-प्रोसेसिंग डेटा-केंद्रित है; इसका उद्देश्य मॉडल द्वारा डेटा को देखने से पहले एक "निष्पक्ष" डेटासेट बनाना है। रीवेइंग जैसी तकनीकें असंतुलन को दूर करने के लिए डेटा बिंदुओं को अलग-अलग महत्व प्रदान करती हैं, जबकि ओवर/अंडर-सैंपलिंग विभिन्न समूहों से उदाहरणों की संख्या को समायोजित करती है। यह दृष्टिकोण मॉडल-स्वतंत्र है, लेकिन डेटा के अंतर्निहित वितरण को बदल सकता है।
इन-प्रोसेसिंग मॉडल-केंद्रित होती है। यह लर्निंग एल्गोरिदम के ऑब्जेक्टिव फंक्शन को संशोधित करके उसमें अनुचितता के लिए पेनल्टी टर्म शामिल करती है। उदाहरण के लिए, एक मॉडल को सटीकता को अधिकतम करने के साथ-साथ समूहों के बीच त्रुटि दरों के अंतर को न्यूनतम करने के लिए अनुकूलित किया जा सकता है। इससे अधिक एकीकृत समाधान प्राप्त हो सकते हैं, लेकिन इसके लिए कोर एल्गोरिदम को संशोधित करना पड़ता है, जिससे यह कम लचीला हो जाता है।
पोस्ट-प्रोसेसिंग पूर्वानुमान-केंद्रित होती है। यह प्रशिक्षित, संभावित रूप से पक्षपाती मॉडल के आउटपुट को लेती है और उन्हें निष्पक्षता मानदंड को पूरा करने के लिए समायोजित करती है। इसमें विभिन्न समूहों के लिए वर्गीकरण सीमा को बदलना शामिल हो सकता है। यह सबसे कम हस्तक्षेपकारी विधि है क्योंकि यह मॉडल को एक ब्लैक बॉक्स की तरह मानती है, लेकिन इससे समग्र उपयोगिता कम हो सकती है और यह तदर्थ प्रतीत हो सकती है। चरण का चुनाव प्रशिक्षण डेटा तक पहुंच, मॉडल को संशोधित करने की क्षमता और विशिष्ट निष्पक्षता लक्ष्यों जैसे कारकों पर निर्भर करता है।
पूर्वाग्रह शमन प्रसंस्करण चरण
(यदि तिथि अज्ञात है या प्रासंगिक नहीं है, उदाहरण के लिए "द्रव यांत्रिकी", तो इसके उल्लेखनीय उद्भव का एक अनुमानित आंकड़ा प्रदान किया गया है)
पंजीकृत सदस्यों के लिए पूर्ण आकार की छवियाँ और डाउनलोड 100% निःशुल्क उपलब्ध हैं।
> लॉग इन करें <
