FALE: 公平感知的 ALE 图用于审计亚群的偏见
原文中文，约400字，阅读约需1分钟。发表于：。在机器学习系统中，公平性逐渐成为一个关键要求。本文着重于研究子群体公平性以及如何通过可解释性方法识别潜在偏见，并以用户友好的方式可视化结果，提出了 FALE 方法（公平感知累积局部效果图），作为识别潜在偏见问题的高效、用户友好、易理解和可靠的初步工具。
本文讨论了机器学习模型的程序公平性问题，提出了评估群体程序公平性的新指标$GPF_{FAE}$，并通过实验证明了其有效性。同时，作者还提出了识别导致模型程序不公平的特征的方法和改善程序公平性的两种方法。
