كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

توازن الفئات ليس عدالة بين المجموعات

Class balance is not group fairness

إظهار أن موازنة الفئة المستهدفة لا تعالج الفروق بين المجموعات السكانية.

متقدممختبر توازن البيانات
English

الفكرة

يُقاس أثر SMOTE على معدلات الخطأ لكل مجموعة.

وصف البيانات

بيانات اصطناعية تولّد في متصفحك من توزيعات معلنة؛ لا تحتوي أي بيانات شخصية حقيقية.

التجربة التالية المقترحة

مفاهيم هذه التجربة

هل SMOTE يعالج التحيز ضد المجموعات؟

لا بالضرورة. SMOTE يعالج ندرة فئة الهدف (مثل الحالات الإيجابية)، أما التحيز بين المجموعات السكانية فمشكلة مختلفة تحتاج قياس معدلات الخطأ لكل مجموعة ومعالجة خاصة. وطبّق SMOTE على بيانات التدريب فقط بعد التقسيم.

المراجع العلمية للتجربة

  1. Fairlearn — open-source fairness toolkitFairlearn contributors (2025) — أداة
  2. Data preprocessing techniques for classification without discrimination. Knowledge and Information Systems 33. DOI 10.1007/s10115-011-0463-8F. Kamiran, T. Calders (2012) — ورقة علمية — مرجع مطبوع؛ لا يوجد رابط مفتوح موثق

تجارب أخرى في الوحدة