该文章介绍了解决机器学习算法在受保护群体上不公平影响的方法，通过贝叶斯最优公平分类来减少错误分类，并引入线性差异度量和双线性差异度量的概念。通过理论结果，提出了在双线性差异约束下学习公平贝叶斯最优分类器的方法。实验证明该方法优于现有算法。

研究者开发了贝叶斯最优公平分类方法，以在给定公平约束条件下最小化分类错误。他们介绍了线性和双线性差异度量的概念，并证明了几种流行的差异度量都是双线性的。他们还设计了在双线性差异约束下学习公平贝叶斯最优分类器的方法。实验证明，该方法比现有算法更可取。