Ein umfassendes Set von Fairnessmetriken für Datensätze und maschinelle Lernmodelle, Erklärungen für diese Metriken und Algorithmen zur Minderung von Vorurteilen in Datensätzen und Modellen.
Bewerten und reduzieren Sie Vorurteile in Machine-Learning-Modellen und -Datensätzen mit einem Toolkit mit Fairnessmetriken und Korrekturalgorithmen.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEin umfassendes Set von Fairnessmetriken für Datensätze und maschinelle Lernmodelle, Erklärungen für diese Metriken und Algorithmen zur Minderung von Vorurteilen in Datensätzen und Modellen.
AIF360 hat 2.8k Sterne auf GitHub. Es wurde 912-mal geforkt. AIF360 ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. AIF360 ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: ai, artificial-intelligence, bias, bias-correction.
Ein umfassendes Set von Fairnessmetriken für Datensätze und maschinelle Lernmodelle, Erklärungen für diese Metriken und Algorithmen zur Minderung von Vorurteilen in Datensätzen und Modellen.
AIF360 ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ja. AIF360 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
AIF360 ist unter der Apache-2.0-Lizenz verfügbar.
AIF360 ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/trusted-ai-aif360.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.