Zobrazeno 1 - 10
of 24 928
pro vyhledávání: '"binary classifiers"'
We propose using performance metrics derived from zero-failure testing to assess binary classifiers. The principal characteristic of the proposed approach is the asymmetric treatment of the two types of error. In particular, we construct a test set c
Externí odkaz:
http://arxiv.org/abs/2407.03979
If two agents disagree in their decisions, we may suspect they are not both correct. This intuition is formalized for evaluating agents that have carried out a binary classification task. Their agreements and disagreements on a joint test allow us to
Externí odkaz:
http://arxiv.org/abs/2409.11052
Autor:
Dorner, Florian E., Hardt, Moritz
We study how to best spend a budget of noisy labels to compare the accuracy of two binary classifiers. It's common practice to collect and aggregate multiple noisy labels for a given data point into a less noisy label via a majority vote. We prove a
Externí odkaz:
http://arxiv.org/abs/2402.02249
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Previous studies have developed fairness methods for biased models that exhibit discriminatory behaviors towards specific subgroups. While these models have shown promise in achieving fair predictions, recent research has identified their potential v
Externí odkaz:
http://arxiv.org/abs/2311.03865
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Getu, Tilahun M., Kaddoum, Georges
Although deep learning (DL) has led to several breakthroughs in many disciplines as diverse as chemistry, computer science, electrical engineering, mathematics, medicine, neuroscience, and physics, a comprehensive understanding of why and how DL is e
Externí odkaz:
http://arxiv.org/abs/2309.06774
Autor:
Rossi, Matthew William1 (AUTHOR) matthew.rossi@colorado.edu
Publikováno v:
Earth Surface Dynamics. 2024, Vol. 12 Issue 3, p765-782. 18p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Sengupta, Sourya, Anastasio, Mark A.
Interpretability is highly desired for deep neural network-based classifiers, especially when addressing high-stake decisions in medical imaging. Commonly used post-hoc interpretability methods have the limitation that they can produce plausible but
Externí odkaz:
http://arxiv.org/abs/2303.06876