fairlearn

公平

Fairlearn是一个Python软件包，它使人工智能（AI）系统的开发商能够评估其系统的公平性并减轻任何观察到的不公平问题。 FairLearn包含缓解算法以及用于模型评估的指标。除源代码外，该存储库还包含jupyter笔记本电脑，其中包含FairLearn用法的示例。

网站：https：//fairlearn.org/

• 当前版本
• 我们的意思是 *公平 *
• Fairlearn的概述
• Fairlearn指标
• Fairlearn算法
• 安装fairlearn
• 用法
• 贡献
• 维护者
• 问题

当前版本

• 当前的稳定版本可在PYPI上获得。
• 我们当前的版本可能与早期版本有很大不同。早期版本的用户应访问我们的版本指南，以导航重大更改并查找有关如何迁移的信息。

公平的意思

由于各种原因，AI系统的行为可能不公平。在Fairlearn中，我们定义了AI系统是否在对人的影响（即危害方面）的影响是否不公平。我们专注于两种危害：

• 分配危害。当AI系统扩展或扣留机会，资源或信息时，可能会造成这些危害。一些关键应用程序是招聘，入学和贷款。
• 服务质量危害。服务质量是指一个系统是否对一个人和对另一个人的作用也一样，即使没有机会，资源或信息被扩展或扣留。

我们遵循称为群体公平的方法，哪些人问：哪些人有遭受危害的风险？相关组需要由数据科学家指定，并且是针对应用的。

群体公平是由一组约束形式化的，这些约束要求AI系统行为的某些方面（或方面）在整个组中可以相当。在几个共同的定义下，Fairlearn软件包可以评估和缓解不公平性。要了解有关我们公平定义的更多信息，请访问我们有关AI系统公平性的用户指南。

注意：公平从根本上是社会技术挑战。公平的许多方面，例如正义和正当程序，都没有被定量公平指标所捕获。此外，有许多定量公平指标不能同时满足。我们的目标是使人类能够评估不同的缓解策略，然后进行适合其情况的权衡。

Fairlearn的概述

Fairlearn Python软件包有两个组件：

• 评估哪些组对模型产生负面影响的指标，以及根据各种公平和准确度指标比较多个模型的指标。
• 减轻各种AI任务以及各种公平定义的不公平性的算法。

Fairlearn指标

查看我们有关FairleaLn指标的深入指南。

Fairlearn算法

有关我们的算法的概述，请参阅我们的网站。

安装fairlearn

有关如何安装FairLearn的说明，请查看我们的Quickstart指南。

用法

有关常见用法，请参阅Jupyter笔记本电脑和我们的用户指南。请注意，我们的API可能会发生变化，因此从main下载的笔记本可能与pip安装的FairLearn不兼容。在这种情况下，请在存储库中浏览标签（例如V0.7.0），以找到笔记本的适当版本。

贡献

为了贡献，请检查我们的贡献指南。

维护者

当前维护人员的列表在我们的网站上。

问题

用法问题

提出问题并帮助他们在堆栈上回答标签fairlearn或在不和谐上回答。

常规（非安全性）问题

问题旨在用于错误，功能请求和文档​​改进。请通过GitHub问题提交报告。维护者将及时及时做出响应。

维护者将在可能的情况下尝试将重复问题链接起来。

报告安全问题

要报告安全问题，请发送电子邮件至[email protected] 。