Mitigando el sesgo algorítmico a través de la calibración de la probabilidad: un estudio de caso sobre datos de generación de leads
Autores: Nikoli, Miroslav; Nikoli, Danilo; Stefanovi, Miroslav; Koprivica, Sara; Stefanovi, Darko
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mitigando el sesgo algorítmico a través de la calibración de la probabilidad: un estudio de caso sobre datos de generación de leads
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Calibración de probabilidad
Mitigación de sesgo
Atributos sensibles
Modelos de clasificación binaria
Técnicas de calibración
Intervención de equidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
La calibración de probabilidades se utiliza comúnmente para mejorar la confiabilidad y la interpretabilidad de los clasificadores probabilísticos, sin embargo, su potencial para reducir el sesgo algorítmico sigue siendo poco explorado.
Descripción
La calibración de probabilidades se utiliza comúnmente para mejorar la confiabilidad y la interpretabilidad de los clasificadores probabilísticos, sin embargo, su potencial para reducir el sesgo algorítmico sigue siendo poco explorado.