利用整数线性规划学习最优公平规则列表-存档ouverte HAL
通信Dans Un Congrès 安妮：2022

利用整数线性规划学习最优公平规则列表

Résumé

公平性和可解释性是发展负责任的机器学习的基本要求。然而，在公平约束下学习最优可解释模型已被确定为一个主要挑战。在本文中，我们研究并改进了一种名为CORELS的最先进的精确学习算法，该算法学习在准确性和稀疏性方面被证明是最优的规则列表。文献中，统计公平性指标已逐步集成到CORELS中。本文在提出整数线性规划方法之前，论证了这种方法在有效探索搜索空间方面的局限性，该方法综合利用准确性、稀疏性和公平性来更好地进行修剪。我们的彻底实验表明，我们的方法在探索搜索空间方面具有明显的优势。

与葡萄园

智能人工智能 Recherche opérationnelle[数学.OC]
菲奇尔校长
无花果树
CPAIOR2022_最终费里.pdf（579.37 Ko） 特勒充电器
原籍 菲奇尔斯（Fichiers）出品的par l’（les）auteur（s）

玛丽·何塞·胡格 : 连接您的联系人和贡献者

https://laas.hal.science/hal-03602234

Soumis le：马尔迪8号火星2022-22:39:45

Dernière修改le:2023-11:44:22

长期档案馆：杰迪9 juin 2022-19:46:18

Télé充电器倒可视化

日期和版本

hal-03602234， 版本1 (08-03-2022)

身份证明人

  • HAL Id： hal-03602234，版本1

Citer公司

乌尔里希·阿伊伏特加、朱利安·费里、塞巴斯蒂安·甘姆斯、玛丽·何塞·胡格特、穆罕默德·西亚拉。利用整数线性规划学习最优公平规则列表。第19届约束编程、人工智能和运筹学集成国际会议（CPAIOR-2022）2022年6月，美国加利福尼亚州洛杉矶。⟨哈尔-03602234⟩

出口商

BibTeX公司 XML-TEI公司 都柏林核心元数据集 DC条款 尾注 数据引用

收藏

UNIV-TLSE2型 中国科学院 INSA-旅游 LAAS公司 LAAS-ROC公司 UT1-大写字母 LAAS-DECISION-ET-优化 INSA集团 INSA-TOULOUSE-GEI公司 澳大利亚国家铁路公司 阿尼蒂 CIMI-TOULOUSE公司 TOULOUSE-INP公司 UNIV-UT3型 UT3-TOULOUSEINP公司
145 磋商
61 交易费用

合作伙伴

更多