1.
Kako poštena so klasifikacijska odločitvena drevesa?Andrej Kostić, 2024, magistrsko delo
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
Objavljeno v DKUM: 19.09.2024; Ogledov: 0; Prenosov: 29
Celotno besedilo (3,47 MB)
