| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Kako poštena so klasifikacijska odločitvena drevesa?
Avtorji:ID Kostić, Andrej (Avtor)
ID Karakatič, Sašo (Mentor) Več o mentorju... Novo okno
ID Colakovic, Ivona (Komentor)
Datoteke:.pdf MAG_Kostic_Andrej_2024.pdf (3,47 MB)
MD5: 116569B7D4D8B1A8642082B02DA8B362
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Poštenost klasifikacijskih odločitvenih dreves je na področju strojnega učenja postala kritično vprašanje. Klasifikacijska in regresijska drevesa (CART) so znana po svoji preprostosti in učinkovitosti pri obravnavanju klasifikacijskih in regresijskih nalog. Vendar lahko ti modeli nehote ohranijo ali celo povečajo pristranskost, prisotno v podatkih, kar vodi do nepoštenih odločitev, ki nesorazmerno prizadenejo določene skupine. To magistrsko delo raziskuje poštenost modelov CART z implementacijo metode FairCART, ki vključuje omejitve poštenosti med postopkom oblikovanja dreves. V delu je ocenjena učinkovitost metode FairCART pri zmanjševanju pristranskosti ob hkratnem ohranjanju kakovosti odločitev, kar omogoča vpogled v kompromise med poštenostjo in točnostjo. Implementacija in rezultati eksperimenta kažejo, da lahko metoda FairCART zmerno zmanjša pristranskost in ohrani splošno kakovost odločitvenega drevesa.
Ključne besede:klasifikacijska in regresijska drevesa, poštenost v strojnem učenju, CART, FairCART
Kraj izida:Maribor
Založnik:[A. Kostić]
Leto izida:2024
PID:20.500.12556/DKUM-89793 Novo okno
UDK:004.85(043.2)
COBISS.SI-ID:219212291 Novo okno
Datum objave v DKUM:19.09.2024
Število ogledov:240
Število prenosov:48
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:12.08.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:How fair are classification decision trees?
Opis:The fairness of classification decision trees has become a critical concern in the field of machine learning. Classification And Regression Trees (CART) are renowned for their simplicity and effectiveness in handling classification and regression tasks. However, these models can inadvertently perpetuate or even amplify biases present in the data, leading to unfair decisions that disproportionately affect certain groups. This master's thesis explores the fairness of CART models by implementing the FairCART method, which integrates fairness constraints during the tree-building process. The thesis evaluates the effectiveness of FairCART in reducing biases while maintaining decision quality, providing insights into the trade-offs between fairness and accuracy. The implementation and experimental results demonstrate that the FairCART method can modestly reduce bias and maintain overall decision tree quality.
Ključne besede:classification and regression trees, fairness in machine learning, CART, FairCART


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici