心衰数据集因果图基准与路径公平性审计
热点事件持续更新
心衰数据集因果图基准与路径公平性审计
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Nitish Nagesh 等作者为心衰临床记录数据集建立了专家标注的因果图基准,并据此追踪不同因果发现算法在路径特定公平性上的表现。研究发现,ICA-LiNGAM 的结构汉明距离最低、召回率最高,GES 的精确率最高。 在射血分数中介效应上,原图与发现图的整体因果公平性相差 1.2 个百分点,并导致公平性-效用比发生变化。作者据此认为,临床场景需要纳入发现感知的路径特定公平性评估。
AI 根据报道生成 · 52 分钟前更新
最新进展11月20日 13:00
因果发现算法中的路径特定公平性审计:心衰案例研究报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI因果发现算法中的路径特定公平性审计:心衰案例研究
研究为心衰临床记录数据集建立专家标注因果图基准,追踪不同因果发现算法在路径特定公平性上的表现。ICA-LiNGAM 取得最低结构汉明距离和最高召回率,GES 精确率最高;原图与发现图在射血分数中介效应上的整体因果公平性相差 1.2 个百分点,并导致公平性-效用比变化。结果表明临床场景需纳入发现感知的路径特定公平性评估。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。