待验证50% 置信事实精确时间

Mullainathan展示如何用机器学习算法检测人类决策中的系统性偏差，例如用算法预测保释决策中法官的判断以揭示种族偏见

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

AI经济学研究入门指南：经济学博士生的系统路线图

涉及实体

Sendhil Mullainathanperson

相关事实

待验证机器学习中的决策树是监督学习算法，使用信息增益或基尼系数等指标自动计算节点阈值69% 相似待验证麻省理工学院媒体实验室2019年发布的算法歧视研究报告指出，机器学习模型能通过邮编、教育背景等变量组合重建性别或种族特征并复现历史偏见68% 相似待验证统计学基础应先于机器学习学习，因为数学直觉是读懂模型行为和排查异常结果的底层能力65% 相似待验证机器学习的代表算法包括支持向量机（SVM）、决策树和朴素贝叶斯62% 相似待验证监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/814944

API

curl https://kongchang.com/api/v1/knowledge/claims/814944

MCP

get_claim(id=814944)