XiaoMi-AI文件搜索系统
World File Search System少数
处理机器学习中的数据不平衡
●偏差：不平衡的数据可能导致模型偏差，其中模型对多数类的影响过高。可能难以对少数群体做出准确的预测。●高准确性，低性能：对数据不平衡训练的模型似乎具有很高的准确性，但在少数族裔阶层上的表现可能很差，这通常是更大的兴趣。●错过的见解：数据不平衡会导致少数群体中存在重要的见解和模式的丧失，从而导致错过的机会或关键错误。●错过欺诈或疾病的例子可能非常昂贵！
日落小镇的结构性种族主义及其与 COVID-19 当地风险和多样性的关系
美国各地的“日落镇”迫使少数种族和族裔在日落后离开这些城镇，从而阻止了少数种族和族裔在其境内生活和工作。本研究的目的是探讨历史日落镇地位、COVID-19 当地风险指数和种族/族裔城市层面多样性之间的关系。我们使用了多层次的分层模型来研究历史日落镇地位对 COVID-19 当地风险指数和城市层面多样性的影响。全美有 2,400 多个日落镇被编入目录，中西部地区的密度最高。与非日落镇相比，历史上排斥种族/族裔少数群体的日落镇的种族/族裔多样性明显较低，COVID-19 当地风险指数也较低。研究结果显示，历史悠久的日落镇实施的残留隔离继续影响着当前与社区层面 COVID-19 风险相关的种族/族裔少数群体之间的不平等。我们建议，负责大流行病防范的公共卫生官员应向这些历史上存在种族隔离的少数族裔地区投入更多资源，因为这些地区由于我国历史上的种族隔离政策而产生的结构性种族主义，具有更高的风险。
在埃塞俄比亚农村地区，使用集合机器学习算法预测新生儿死亡率
类失衡。不平衡的数据集可以使机器学习模型偏向多数级别，从而影响了他们准确预测少数类别的能力[24]。数据不平衡的问题通常与错误分类的问题有关，在这些问题中，与多数类相比，少数类别往往会被错误分类[25]。可以通过减小或过度采样来减少问题，从而产生类平衡的数据。合成的少数群体过度采样技术（SMOTE）是一种非常流行的过采样方法，旨在改善随机的过度采样[26]。根据Batista等人[25]，过度采样方法比未经少采样方法给出了更好的结果。当数据高度不平衡时，多数族裔和少数族裔之间的显着差异可以通过过度采样方法来处理。通过添加或删除数据集中的样本，可以解决不平衡的类分布问题[27]。
摩加迪沙的安全和人道主义局势 - 索马里
“[然而]我们面前的证据并不支持少数族群的网络或关系根本没有帮助的说法。相反，这可能是一个需要族群做出一些积极、实际或其他昂贵贡献的问题。如果存在需要解决的争议，或者需要族群提供某种形式的实际帮助才能获得住宿或服务，在这种情况下，作为一般规则，少数族群提供的援助可能低于多数族群在相应情况下提供的援助。但没有证据支持少数族群成员无法充当担保人的观点，无论是正式的还是非正式的......'（第 241 段）
我们的人才计划 2021-2024
通过我们的“人人参与行动”小组，我们为员工提供了影响就业相关员工问题的机会，尤其是那些因种族和宗教、性取向或残疾等因素而在工作场所属于少数群体的员工。我们将继续支持那些认为自己属于少数群体的员工，这些少数群体围绕共同的身份和他们的盟友聚集在一起，促进工作场所的多样性，并寻找和解决我们文化中可能阻碍我们成为真正平等机会雇主的任何方面。我们必须确保尽可能多的人，无论他们的背景如何，都能自信地向我们申请机会，并将理事会视为他们的首选雇主。
HUD 含铅油漆减排计划 (FHA)
随着人们对铅基涂料对健康产生不良影响的可能性的认识不断提高，铅基涂料问题正进入一个更加复杂的新时代。由于资金有限，预计这会导致严重的冲突。这些和其他问题构成了本报告中少数意见的基础。谨建议 HOD 传播本指南，包括本序言的全部内容和少数意见。虽然少数意见中涉及的许多问题超出了本指南的预期范围，但我们认为，广泛传播这些意见很重要，以便在制定适当方法以改善铅基涂料对我们环境的不利影响时，对这些意见给予应有的考虑。
HUD 含铅油漆减排计划 (FHA)
随着人们对铅基涂料对健康产生不利影响的可能性的认识不断提高，铅基涂料问题正进入一个更加复杂的新时代。由于资金有限，这预计将导致严重的冲突。这些问题和其他问题构成了本报告中少数意见的基础。我们诚挚地建议 HOD 传播本指南，并附上本序言的全部内容和少数意见。尽管少数意见中涉及的许多问题超出了本指南的预期范围，但我们认为，广泛传播这些意见很重要，以便在制定适当方法以减轻铅基涂料对我们环境的不利影响时，对这些意见给予应有的考虑。
因果健康公平的算法方法：重症监护室（ICU）结果中的种族差异
卫生公平被定义为每个人都有公平而公正地实现最高健康水平的国家。实现健康平等被认为可以改善社区的福祉，降低医疗保健成本，并提高生产力和寿命。但是，健康差异仍然很大。在这种情况下，大规模数据收集和分析的新时代为诊断和了解健康不平等的原因提供了机会。在这项研究中，我们描述了使用因果推断工具系统地分析健康差异的框架。我们通过调查澳大利亚多数族裔与少数群体之间的种族和种族差异（ICU）（ICU）（ICU）（土著与非土著）和美国（非裔美国人与白人）之间的种族和种族差异来说明框架。我们证明，量化不平等的常用统计措施不足，并专注于将观察到的差异归因于产生它的因果机制。我们发现，少数族裔患者在入院时年龄较小，患有慢性健康，更有可能出于紧急和非安全原因而被录取，并且患病严重程度更高。同时，我们还发现属于少数群体的保护性直接效应，与大多数人相比，少数族裔患者的生存率提高，所有其他变量都相等。然后，我们证明这种保护效应与ICU接纳的可能性增加有关，而少数族裔患者患ICU的风险增加。此外，我们还发现，少数族裔患者在提高生存率的同时，实际上更有可能被重新入学到ICU。这些发现支持以下假设：由于获得初级卫生保健的机会较差，少数族裔患者更有可能在ICU中出现可预防的条件，从而导致死亡率降低并产生似乎具有保护性的作用。由于ICU入院的基线风险可能会因为缺乏获得初级保健服务而成为代理人，因此我们开发了本地重症监护股（IICE）雷达，这是一种监测系统，该监测系统可通过澳大利亚本地人口在跨地理区域中追踪ICU资源过度利用ICU资源。
生物信息学和生物统计学
•LED五个项目是由FDA壁内赠款新资助的：由首席科学家办公室资助的AI偏见，由妇女健康办公室妇女健康办公室，妇女健康办公室，COVID-19及其变体由医疗对策计划，以及由少数族裔健康和少数族裔健康公务员的现实数据。
新泽西州交通差异研究
1 本分析旨在支持少数族裔企业歧视史，并非对美国历史上所有民权事件进行全面回顾。民权有许多方面都很重要，比如住房歧视或投票法，但对于当前的分析而言过于宽泛。本总结看似对民权史进行了过度简化，事实也如此。如需更深入地了解一战以来新泽西州的项目，请参阅 1992 年最终报告：第一卷《新泽西州公共和私人承包中少数族裔和妇女所有的企业历史记录》，1992 年 8 月 4 日。马里兰大学公园分校非裔美国人研究项目，由 Samuel L. Myers, Jr. 教授撰写。Myers 博士对这一主题进行了广泛的研究，另请参阅：《少数族裔/妇女所有的企业与非少数族裔所有的企业的比较调查》。提交给新泽西州交通运输局和州长研究委员会的《公共工程采购与合同歧视问题报告》，1992 年 5 月 6 日。人口趋势：新泽西州公共和私人承包中少数族裔和妇女拥有的商业企业的历史记录。提交给新泽西州交通运输局和州长研究委员会的《公共工程采购与合同歧视问题报告》，1992 年 4 月 17 日。金融：新泽西州住房抵押贷款中种族和性别差异的探索性分析——新泽西州公共和私人承包中少数族裔和妇女拥有的商业企业的历史记录。提交给新泽西州交通运输局和州长研究委员会的《公共工程采购与合同歧视问题报告》，1992 年 4 月。