Files
logseq/journals/2023_12_18.md
T
2025-06-05 22:07:12 +02:00

31 lines
1.7 KiB
Markdown

-
- ##  Notes
- ## 🤝Meetings
- type:: [[meeting]]
external-links::
tags:: [[PROJECTS/PRIN-EMELIOT]]
people:: #people/AntiniscaDiMarco #people/claudio #people/giordano
date:: [[18-12-2023]] - 17:02
duration::
- ![Fabris et al. - 2022 - Algorithmic fairness datasets the story so far (1).pdf](../assets/Fabris_et_al._-_2022_-_Algorithmic_fairness_datasets_the_story_so_far_(1)_1702915678532_0.pdf)
:LOGBOOK:
CLOCK: [2025-05-26 Mon 22:20:30]--[2025-05-26 Mon 22:20:30] => 00:00:00
:END:
- 17 datasets sono considerati attualmente per l'analisi
- ![image.png](../assets/image_1702915848998_0.png)
- Per ogni variabili binaria vengono considerate le metriche precedenti. L'idea e' verificare se i primi 3 sintomi sono indicatori di bias.
- L'analisi ci dice che questi sintomi non sono in correlazione con le ultime 3 metriche in legenda.
- Per prossima volta
- Dimostrare che Equalized_odds non e' significativa
- Vedere dove emerge l'unbalance e perche' (se e' relativa a qualche variabile specifica, e.g., gender)
- Arrivare a 50 dataset (ora siamo a 18 noti in letteratura)
- Provare altri modelli
- Tempi di esecuzione
- ## 📜Reviews
- {{query (and [[REVIEWS]] (or (property :date-end [[18-12-2023]]) (property :date-start [[18-12-2023]])))}}
query-table:: true
query-properties:: [:file :year :venue :deadline]
- ## ⤴️Omnivore readings
- {{query (and (property :source [[Omnivore]]) (or (property :deadline [[18-12-2023]]) (property :date-saved [[18-12-2023]]) (property :date-archived [[18-12-2023]])))}}
query-table:: true
query-properties:: [:labels :author :site :block]