公平性感知机器学习或公平性感知数据挖掘的目标是在分析数据的同时考虑到公平性、歧视、中立性和/或独立性等潜在问题。FAML的两个主要任务是不公平检测和不公平预防。不公平检测任务旨在发现数据库中的不公平待遇。不公平预防任务的目的是学会一个统计模型从潜在的不公平的数据集,这样敏感的特性不会影响模型的结果,其中一个敏感特性表示的信息希望不影响结果,如社会敏感信息或信息,用户希望忽略。

https://www.kamishima.net/faml/