はじめに 公平な機械学習モデルを構築する手法を検証します。 Jupyter Notebookは下記にあります。 概要 公平性指標としてEqualized Oddsを使用します。 Correlation Removerを用いて、公平な機械学習モデルを構築します。 公平性指標 Equalized Odds 今回考える公平性指標は、性別や人種などの各グループが公平に扱われているか(group fairness)を評価するために用いられます。 Equalized Oddsは、positiveとnegativeの2クラス分類において、positiveと判定される確率に着目した指標です。 具体的には、正しくpositiveと判定される確率(true positive rate)と、誤ってpositiveと判定される確率(false positive rate)がグループによらず等しいかを評価します。