バイナリ分類の社会的バイアスを検出して軽減するには、Statistics and Machine Learning Toolbox™ の関数 fairnessMetrics、fairnessWeights、および disparateImpactRemover を使用できます。まず、fairnessMetrics を使用して、バイアス メトリクスとグループ メトリクスを用いてデータ セットまたは分類モデルの公平性を評価します。その後、fairnessWeights を使用して観測値を再重み付けするか、disparateImpactRemover を使用してセンシティブ属性による差異の影響を除去します。

関数 fairnessWeights および disparateImpactRemover は、分類器の学習 (または再学習) の前に予測子データを調整できる前処理の手法を提供します。学習後のモデルの動作を評価するには、関数 fairnessMetrics や各種の解釈可能性関数を使用できます。詳細については、機械学習モデルの解釈を参照してください。