本文综述因果方法在机器学习公平性中的应用,包括因果干预、条件独立性检测、特征选择与因果发现,以识别偏见特征并提升预测与可解释性。研究提出负责任数据集评估框架,指出多数数据集存在公平、隐私与合规问题,并探讨因果贝叶斯网络与最优输运处理复杂不公平场景。
完成下面两步后,将自动完成登录并继续当前操作。