FairSelect

新工具包FairSelect系统评估算法公平性策略

研究人员推出了一款名为FairSelect的工具包，旨在系统地评估算法公平性方法。该框架允许评估在机器学习生命周期的不同阶段（包括预处理、中处理和后处理）单独或组合应用的缓解策略。FairSelect支持各种模型架构，并能够跨交叉子群进行评估，比较公平性和效用之间的权衡。在合成临床数据和真实世界中风风险预测任务上的实验表明，组合公平性干预可以带来更大的改进，但其相互作用方式复杂且依赖于具体情境。