Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
  Fairness Constraints: A Flexible Approach for Fair Classification

Zafar, M. B., Valera, I., Gomez-Rodriguez, M., & Krishna, P. (2019). Fairness Constraints: A Flexible Approach for Fair Classification. Journal of Machine Learning Research, 20: 75. Retrieved from https://jmlr.csail.mit.edu/papers/v20/18-262.html.

Item is

Basisdaten

einblenden: ausblenden:
Genre: Zeitschriftenartikel

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Zafar, M. B.1, Autor
Valera, I.2, Autor           
Gomez-Rodriguez, M.1, Autor
Krishna, P.1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497647              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Schölkopf
 Zusammenfassung: -

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2019-032019
 Publikationsstatus: Erschienen
 Seiten: 42
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Journal of Machine Learning Research
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Brookline, MA : Microtome Publishing
Seiten: - Band / Heft: 20 Artikelnummer: 75 Start- / Endseite: - Identifikator: ISSN: 1532-4435
CoNE: https://pure.mpg.de/cone/journals/resource/111002212682020