跳转到主要内容

去偏差因果公平性

项目描述

DECAF (去偏差因果公平性)

Tests License

代码作者:Trent Kyono 和 Boris van Breugel

此存储库包含用于“DECAF:使用因果感知生成网络生成公平合成数据”论文(2021)的代码。

安装

pip install -r requirements.txt
pip install .

测试

您可以使用以下命令运行测试

pip install -r requirements_dev.txt
pip install .
pytest -vsx

内容

  • decaf/DECAF.py - 合成数据生成类 - DECAF。
  • tests/run_example.py - 运行非线性玩具DAG示例。dag结构存储在dag_seed变量中。边删除存储在bias_dict变量中。请参阅此文件中的示例用法。

示例

基于玩具DAG的基本示例

$ cd tests
$ python run_example.py

一个在数据集大小为2000且训练300个epoch的示例

$ python run_example.py --datasize 2000 --epochs 300

引用

@inproceedings{kyono2021decaf,
	title        = {DECAF: Generating Fair Synthetic Data Using Causally-Aware Generative Networks},
	author       = {van Breugel, Boris and Kyono, Trent and Berrevoets, Jeroen and van der Schaar, Mihaela},
	year         = 2021,
	booktitle    = {Conference on Neural Information Processing Systems(NeurIPS) 2021}
}


项目详情


下载文件

下载适用于您平台的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。

源代码分发

本发布版本没有可用的源代码分发文件。请参阅生成分发存档的教程

编译分发

decaf_synthetic_data-0.1.6-py3-none-macosx_10_14_x86_64.whl (9.0 kB 查看哈希值)

上传时间 Python 3 macOS 10.14+ x86-64

decaf_synthetic_data-0.1.6-py3-none-any.whl (9.1 kB 查看哈希值)

上传时间 Python 3

支持者