In Pursuit of Interpretable, Fair and Accurate Machine Learning for Criminal Recidivism Prediction

Objectives We study interpretable recidivism prediction using machine learning (ML) models and analyze performance in terms of prediction ability, sparsity, and fairness. Unlike previous works, this study trains interpretable models that output probabilities rather than binary predictions, and uses...

Ausführliche Beschreibung

Bibliographische Detailangaben

1. VerfasserIn:	Wang, Caroline S. (VerfasserIn)
Beteiligte:	Han, Bin ; Patel, Bhrij ; Rudin, Cynthia
Medienart:	Elektronisch Aufsatz
Sprache:	Englisch
Veröffentlicht:	2023
In:	Journal of quantitative criminology Jahr: 2023, Band: 39, Heft: 2, Seiten: 519-581
Online-Zugang:	Volltext (lizenzpflichtig) Volltext (lizenzpflichtig)
Journals Online & Print:	Lade...
Verfügbarkeit prüfen:	HBZ Gateway
Schlagwörter:	machine learning COMPAS Fairness Interpretability Criminal Recidivism