|MIT许可| |PyPI| |Discord| |StackOverflow|

Fairlearn

Fairlearn 是一个 Python 包，使人工智能（AI）系统的开发者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。除了源代码外，此仓库还包含 Fairlearn 用法的 Jupyter 笔记本示例。

网站： https://fairlearn.org/

• 当前版本 <#current-release>__
• 我们所说的 *公平性* <#what-we-mean-by-fairness>__
• Fairlearn 概述 <#overview-of-fairlearn>__
• Fairlearn 指标 <#fairlearn-metrics>__
• Fairlearn 算法 <#fairlearn-algorithms>__
• 安装 Fairlearn <#install-fairlearn>__
• 用法 <#usage>__
• 贡献 <#contributing>__
• 维护者 <#maintainers>__
• 问题 <#issues>__

当前版本

• 当前的稳定版本可在 PyPI <https://pypi.ac.cn/project/fairlearn/>__ 上获取。

• 我们的当前版本可能与早期版本有很大差异。早期版本的用户应访问我们的 版本指南 <https://fairlearn.org/main/user_guide/installation_and_version_guide/version_guide.html>_ 以导航重大更改并查找有关迁移的信息。

我们所说的 公平性

人工智能系统可能由于各种原因而不公平。在 Fairlearn 中，我们根据其对人们的影响来定义人工智能系统是否表现不公平——即根据危害。我们关注两种危害

• 分配危害。 当人工智能系统扩展或拒绝机会、资源或信息时，可能会发生这些危害。一些关键应用包括招聘、学校录取和贷款。

• 服务质量危害。 服务质量是指系统是否对某个人像对另一个人一样好，即使没有扩展或拒绝机会、资源或信息。

我们遵循被称为 群体公平性 的方法，它要求： 哪些个人群体面临遭受危害的风险？ 相关群体需要由数据科学家指定，并且是特定于应用的。

通过一系列约束将群体公平性形式化，这些约束要求人工智能系统行为的一些方面（或一些方面）在各个群体之间是可比较的。Fairlearn 包允许在几个常见的定义下评估和缓解不公平性。有关我们关于公平性的定义的更多信息，请访问我们的 人工智能系统公平性用户指南 <https://fairlearn.org/main/user_guide/fairness_in_machine_learning.html#fairness-of-ai-systems>__。

*Note*: Fairness is fundamentally a sociotechnical challenge. Many
aspects of fairness, such as justice and due process, are not
captured by quantitative fairness metrics. Furthermore, there are
many quantitative fairness metrics which cannot all be satisfied
simultaneously. Our goal is to enable humans to assess different
mitigation strategies and then make trade-offs appropriate to their
scenario.

Fairlearn 概述

Fairlearn Python 包有两个组件

• 指标 用于评估哪些群体受到模型负面影响，以及比较多个模型在各种公平性和准确性指标方面的表现。

• 算法 用于减轻各种人工智能任务和多种公平性定义中的不公平性。

Fairlearn 指标

Check out our in-depth `guide on the Fairlearn
metrics <https://fairlearn.org/main/user_guide/assessment>`__.

Fairlearn algorithms

有关我们的算法概述，请参阅我们的 网站 <https://fairlearn.org/main/user_guide/mitigation/index.html>__。

安装 Fairlearn

有关如何安装 Fairlearn 的说明，请参阅我们的 快速入门指南 <https://fairlearn.org/main/quickstart.html>__。

用法

有关常见用法，请参阅 Jupyter 笔记本 <https://fairlearn.org/main/auto_examples/index.html>__ 和我们的 用户指南 <https://fairlearn.org/main/user_guide/index.html>。请注意，我们的 API 可能会更改，因此从 main 下载的笔记本可能不兼容使用 pip 安装的 Fairlearn。在这种情况下，请导航到存储库中的标签（例如，v0.7.0 <https://github.com/fairlearn/fairlearn/tree/v0.7.0>) 以找到笔记本的适当版本。

贡献

要贡献，请参阅我们的 贡献者指南 <https://fairlearn.org/main/contributor_guide/index.html>__。

维护者

当前维护者列表可在我们的 网站 <https://fairlearn.org/main/about/index.html>__ 上找到。

问题

用法问题

Pose questions and help answer them on `Stack
Overflow <https://stackoverflow.com/questions/tagged/fairlearn>`__ with
the tag ``fairlearn`` or on
`Discord <https://discord.gg/R22yCfgsRn>`__.

Regular (non-security) issues

问题是指错误、功能请求和文档改进。请通过 GitHub 问题 <https://github.com/fairlearn/fairlearn/issues>__ 提交报告。维护者将根据需要迅速作出回应。

维护者将在可能的情况下尝试链接重复的问题。

报告安全问题

To report security issues please send an email to
``fairlearn-internal@python.org``.

.. |MIT license| image:: https://img.shields.io/badge/License-MIT-blue.svg
   :target: https://github.com/fairlearn/fairlearn/blob/main/LICENSE
.. |PyPI| image:: https://img.shields.io/pypi/v/fairlearn?color=blue
   :target: https://pypi.ac.cn/project/fairlearn/
.. |Discord| image:: https://img.shields.io/discord/840099830160031744
   :target: https://discord.gg/R22yCfgsRn
.. |StackOverflow| image:: https://img.shields.io/badge/StackOverflow-questions-blueviolet
   :target: https://stackoverflow.com/questions/tagged/fairlearn