研究注入数据偏差对公平分类器的影响，证明重新加权损失可以恢复原始数据分布上的贝叶斯最优组感知公平分类器。实验发现，重新加权和指数梯度等简单公平技术在训练数据注入偏差时提供稳定的准确度和公平性保证。