AIF360：针对数据集和机器学习模型的一套全面的公平性指标，这些指标的解释以及减轻数据集和模型中偏差的算法-源码

AI Fairness 360（AIF360） AI Fairness 360工具包是一种可扩展的开放源代码库，包含由研究社区开发的技术，可帮助检测和减轻整个AI应用程序生命周期中机器学习模型的偏差。 AI Fairness 360软件包在Python和R中均可用。 AI Fairness 360软件包包括 用于数据集和模型以测试偏差的全面指标， 这些指标的说明，以及 减轻数据集和模型偏差的算法。 它旨在将实验室的算法研究转化为金融，人力资本管理，医疗保健和教育等广泛领域的实际实践。 我们邀请您使用它并进行改进。 对概念和功能进行了简要介绍。 这些提供了更深入的，面向数据科学家的介绍。 完整的API也可用。 作为一组全面的功能，弄清楚哪种度量标准和算法最适合给定用例可能会造成混淆。 为了提供帮助，我们创建了一些，可供参考。 我们在开发软件包时考虑了可扩展性。 该库仍在开发中。 我们鼓励您对指标，解释器和去偏置算法做出贡献。 与我们联系 （请）！ 支持的偏差缓解算法 优化的预处理（ ） 不同的冲击消除剂（ ） 均等几率后处理（ ） 重新称重（ ） 拒绝期权分类