Машинное обучение с учётом справедливости

Машинное обучение с учётом справедливости (Fairness-Aware Machine Learning) — это семейство методов, которые обучают, ограничивают или пост-обрабатывают предиктивные модели таким образом, чтобы их показатели ошибок или результаты были справедливыми для защищённых демографических групп, таких как раса, пол или возраст. Фундаментальная основа равных шансов (equalized odds) и равенства возможностей (equality of opportunity) была формализована Морицем Хардтом, Эриком Прайсом и Нати Сребро в их знаковой статье 2016 года на конференции NeurIPS, где были установлены строгие статистические критерии для недискриминационных классификаторов.