Leveraging Labeled and Unlabeled Data for Consistent Fair Binary Classification - Archive ouverte HAL
Communication Dans Un Congrès Année : 2019

Leveraging Labeled and Unlabeled Data for Consistent Fair Binary Classification

Domaines

Statistiques [math.ST] Machine Learning [stat.ML] Théorie [stat.TH]
Fichier principal
Vignette du fichier
main.pdf (1.15 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Mohamed Hebiri  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-02150662

Soumis le : vendredi 7 juin 2019-12:59:48

Dernière modification le : dimanche 17 novembre 2024-14:42:04

Télécharger pour visualiser

Dates et versions

hal-02150662 , version 1 (07-06-2019)
hal-02150662 , version 2 (03-02-2020)

Identifiants

Citer

Evgenii Chzhen, Christophe Denis, Mohamed Hebiri, Luca Oneto, Massimiliano Pontil. Leveraging Labeled and Unlabeled Data for Consistent Fair Binary Classification. NeurIPS 2019 - 33th Annual Conference on Neural Information Processing Systems, Dec 2019, Vancouver, Canada. ⟨hal-02150662v1⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite
213 Consultations
372 Téléchargements

Altmetric

Partager

More