- - ##  Notes - ## 🤝Meetings - type:: [[meeting]] external-links:: tags:: [[PROJECTS/PRIN-EMELIOT]] people:: [[people/giordano]] [[people/claudio]] [[people/AntiniscaDiMarco]] date:: [[08-01-2024]] - 17:11 duration:: 70 - Sono state considerati 18 dataset - ![image.png](../assets/image_1704730373117_0.png){:height 376, :width 594} - Si vuole evitaer di addestrare ogni volta un classificatore per poter predirre i valori delle metriche statistical parity, equal opportunity, etc. - Vedi ((659c23ae-54a3-4b5f-a9a6-c0ba32b7423d)) - https://univaq-my.sharepoint.com/:p:/g/personal/antinisca_dimarco_univaq_it/EblZe8ziV91LgEK57VLhg6UBD7JZ08ny2IgwGhTq4wlg8w?e=KC2ZU4 - ![image.png](../assets/image_1704733987374_0.png){:height 492, :width 779} - TOrnando all'obbiettivo originale: - #+BEGIN_IMPORTANT DATO UN DATASET INDIVIDUARE POSSIBILI VARIABILI SENSISBILI ALLA BASE DI POTENZIALI BIAS #+END_IMPORTANT - Per prossima volta - DONE Fissiamo le metriche e il classificatore e cerchiamo di capire il modello di regressione che funziona meglio. DEADLINE: <2024-01-15 Mon> - Per ora abbiamo usato XGBoost, l'idea e' usare una rate neurale e SVM. - ![image.png](../assets/image_1704730588873_0.png){:height 171, :width 590} - ![image.png](../assets/image_1704730745601_0.png){:height 493, :width 556} - Correlazione tra sintomi e metriche calcolate - Primi risultati: id:: 659c23ae-54a3-4b5f-a9a6-c0ba32b7423d - ![image.png](../assets/image_1704731820002_0.png){:height 431, :width 554} - ## 📜Reviews - {{query (and [[REVIEWS]] (or (property :date-end [[08-01-2024]]) (property :date-start [[08-01-2024]])))}} query-table:: true query-properties:: [:file :year :venue :deadline] - ## ⤴️Omnivore readings - {{query (and (property :source [[Omnivore]]) (or (property :deadline [[08-01-2024]]) (property :date-saved [[08-01-2024]]) (property :date-archived [[08-01-2024]])))}} query-table:: true query-properties:: [:labels :author :site :full-title]