首页> 外国专利> SYSTEMS AND METHODS FOR PROVIDING MACHINE LEARNING MODEL DISPARATE IMPACT INFORMATION

SYSTEMS AND METHODS FOR PROVIDING MACHINE LEARNING MODEL DISPARATE IMPACT INFORMATION

机译:提供机器学习模型分布冲击信息的系统和方法

摘要

Systems and methods for model evaluation. A protected class model that satisfies an accuracy threshold is built by using: data sets for use by a modeling system being evaluated, and protected class membership information for each data set. A target for the protected class model is a protected class membership variable indicating membership in a protected class. Each predictor of the protected class model is a predictor of an evaluated model used by the modeling system. A target of the evaluated model is different from the target of the protected class model. Each predictor is a set of one or more variables of the data sets. For each predictor of the protected class model, a protected class model impact ranking value and a modeling system impact ranking value are determined.
机译:模型评估的系统和方法。通过使用以下内容来构建满足准确性阈值的受保护类模型:供正在评估的建模系统使用的数据集,以及每个数据集的受保护类成员信息。受保护类模型的目标是受保护类成员变量,该变量指示受保护类中的成员身份。受保护类模型的每个预测变量都是建模系统使用的评估模型的预测变量。评估模型的目标不同于受保护类模型的目标。每个预测变量是数据集的一个或多个变量的集合。对于受保护类别模型的每个预测变量,确定受保护类别模型影响排名值和建模系统影响排名值。

著录项

相似文献

  • 专利
  • 外文文献
  • 中文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号