本文研究了多分类情况下实现公平性的问题，并扩展了基于后处理方法的方法，以实现机器学习分类器的公平性。实验发现，该方法在数据集中个体数量较高时，精度下降微不足道，且能强制实施公平。

本文研究了无训练数据情况下，通过重用和调整同一领域或相关领域数据集的训练数据，训练机器学习分类器的可行性，并提出了五种算法。实验结果显示，该算法在不同领域的数据集上具有显著优势。