本文介绍了公平森林技术，解决机器学习算法中的公正性问题，提供更高的准确性和公平性，并引入新的公平度量和评估算法。

该研究关注面部情绪识别模型的公正性问题。通过对多样种族分布的训练集进行子采样，研究发现伪造面孔可以提高公正性和性能指标。然而，在具有更多面部变化的较大数据集中，公正性指标通常保持不变，这表明仅仅种族平衡是无法实现测试性能的平等的。