公平分类算法
fairlearn的Python项目详细描述
公平机器学习的减少
一个python包,实现了论文A Reductions Approach to Fair Classification中描述的公平分类的黑盒方法。
安装
可以通过pip install fairlearn
安装包。要验证它是否有效,请从存储库下载test_fairlearn.py
,然后运行python test_fairlearn.py
。
您可以通过git clone git@github.com:Microsoft/fairlearn.git
在本地克隆存储库,而不是安装包。要验证包是否有效,请在存储库的根目录下运行python test_fairlearn.py
。
用法
模块fairlearn.classred
中的函数expgrad
实现了将公平分类简化为加权二值分类。任何支持加权二值分类的学习者都可以作为此缩减的输入。在模块fairlearn.moments
中提供了两个常见的公平性定义:人口统计奇偶性(类DP
)和均衡赔率(类EO
)。有关expgrad
的用法,请参见文件test_fairlearn.py
。
贡献
这个项目欢迎大家提出意见和建议。大多数捐款要求你 同意出资人许可协议(CLA),声明您有权, 事实上,授予我们使用你的捐款的权利。有关详细信息,请访问 https://cla.microsoft.com。
当您提交拉取请求时,cla bot将自动确定您是否需要 提供cla并适当地装饰pr(例如标签、注释)。只需遵循 机器人提供的说明。您只需要使用我们的cla在所有存储库中执行一次。
这个项目采用了Microsoft Open Source Code of Conduct。 有关详细信息,请参见Code of Conduct FAQ 或者联系opencode@microsoft.com询问其他问题或意见。
维护人员
Fairlearn由以下人员维护:
- @mirodudik
释放
如果您是此项目的当前维护者:
- 为版本创建分支:
git checkout -b release-vxx.xx
- 确保所有测试返回“ok”:
python test_fairlearn.py
- 在
fairlearn/__init__.py
- 向Microsoft/FairLearn提出请求
- 合并Microsoft/FairLearn拉取请求
- 标记并按下:
git tag vxx.xx; git push --tags
报告安全问题
安全问题和漏洞应通过电子邮件私下报告给Microsoft安全部门 位于secure@microsoft.com的响应中心(msrc)。你应该 24小时内收到回复。如果由于某种原因您没有,请通过 发送电子邮件以确保我们收到您的原始邮件。更多信息,包括 MSRC PGP键,可以在 这个Security TechCenter。