文件名称：fair-mixup:ICLR 2021，公平混合
文件大小：14KB
文件格式：ZIP
更新时间：2024-06-08 08:13:01
Python
公平混合：通过插值进行公平 在诸如组公平性之类的公平约束下的训练分类器使各组之间的预测差异正规化。 但是，即使在训练过程中满足了约束条件，也可能在评估时无法将其推广。 为了提高公平分类器的可推广性，我们提出了公平混合，这是一种施加公平约束的新数据增强策略。 特别是，我们表明，可以通过对各组之间插值样本的路径上的模型进行正则化来实现公平。 我们使用混合（一种强大的数据增强策略）来生成这些插值。 我们分析公平混合，并凭经验表明，它可以确保在表格，视觉和语言基准中对准确性和公平性度量进行更好的概括。 公平混合：通过插值法ICLR 2021实现公平 和 先决条件 Python 3.7 PyTorch 1.3.1 aif360 斯克莱恩 执行 成人和CelebA实验的代码可以在相应的文件夹中找到。 引文 如果您认为此存储库对您的研究有用，请考虑引用该论文 @inproceedings{ c
【文件预览】：
fair-mixup-master
----celeba()
--------data_processing.py(2KB)
--------utils.py(3KB)
--------model.py(1KB)
--------README.md(576B)
--------main_eo.py(8KB)
--------main_dp.py(6KB)
----README.md(2KB)
----adult()
--------utils.py(6KB)
--------main.py(2KB)
--------model.py(496B)
--------dataset.py(6KB)
--------README.md(502B)