청구항 5에 있어서,상기 DEO는 와 같이 정의되며, 상기 커널밀도추정 방식에 기초하여 상기 DEO의 그래디언트가 계산되는, 기계학습 장치.

청구항 5에 있어서,상기 분류기를 통한 학습의 반복 수행은 경사하강법에 기초하여 수행되는, 기계학습 장치.

기계학습 방법으로서,각각의 데이터 엔트리별로 적어도 제1 정보, 제2 정보, 및 제3 정보를 포함하는 제1 데이터 셋(data set)을 입력받는 단계;분류기(classifier)를 통해 상기 제1 및 제3 정보에 대한 학습을 수행하여 상기 제2 정보에 대한 예측값을 출력하는 단계; 및커널밀도추정 방식에 기초하여, 크로스 엔트로피 함수 및 DDP(difference w.r.t demographic parity)를 포함하도록 정의된 손실함수가 최소화되는 방향으로 상기 제2 정보에 대한 예측값을 출력하는 단계를 반복 수행하는 단계를 포함하는, 기계학습 방법.

청구항 1에 있어서,상기 DDP는 와 같이 정의되며, 상기 커널밀도추정 방식에 기초하여 상기 DDP의 그래디언트가 계산되는, 기계학습 방법.

청구항 1에 있어서,상기 제2 정보에 대한 예측값을 출력하는 단계는, 경사하강법에 기초하여 수행되는, 기계학습 방법.

청구항 1에 있어서,상기 분류기는,상기 제2 정보 및 상기 제2 정보에 대한 예측값에 대한 상기 크로스 엔트로피 함수에 기초하여 설정되는 제1 손실함수항, 및 상기 제2 정보 및 상기 제3 정보에 관하여 계산된 상기 DDP에 기초하여 설정되는 제2 손실함수항의 조합으로 정의되는 손실함수에 기초하여 학습을 수행하는, 기계학습 방법.

기계학습 장치로서,프로세서(processor);상기 프로세서와 전자적(electronic)으로 통신하는 메모리(memory); 및상기 메모리에 저장되는 명령들(instructions)을 포함하며,상기 명령들이 상기 프로세서에 의해 실행되는 경우, 상기 명령들은 상기 기계학습 장치가;각각의 데이터 엔트리별로 적어도 제1 정보, 제2 정보, 및 제3 정보를 포함하는 제1 데이터 셋(data set)을 입력받고;분류기(classifier)를 통해 상기 제1 및 제3 정보에 대한 학습을 수행하여 상기 제2 정보에 대한 예측값을 출력하고; 그리고커널밀도추정 방식에 기초하여, 크로스 엔트로피 함수 및 DEO(difference w.r.t equalized odds)를 포함하도록 정의된 손실함수가 최소화되는 방향으로 상기 제1 및 제3 정보에 대한 학습 및 상기 제2 정보에 대한 예측값 출력을 반복 수행하는 것을 야기하도록 동작하는, 기계학습 장치.

청구항 5에 있어서,상기 분류기는,상기 제2 정보 및 상기 제2 정보에 대한 예측값에 대한 상기 크로스 엔트로피 함수에 기초하여 설정되는 제1 손실함수항, 및 상기 제2 정보 및 상기 제3 정보에 관하여 계산된 상기 DEO에 기초하여 설정되는 제2 손실함수항의 조합으로 정의되는 손실함수에 기초하여 학습을 수행하는, 기계학습 장치.