Aequitas Flow: Streamlining Fair ML Experimentation

要約

Aequitas Flow は、エンドツーエンドの公平な機械学習 (ML) 実験と Python でのベンチマークのためのオープンソース フレームワークおよびツールキットです。
このパッケージは、他の公平な ML パッケージに存在する統合のギャップを埋めます。
Aequitas の既存の監査機能に加えて、Aequitas Flow モジュールは公平性を意識したモデルのトレーニング、ハイパーパラメーターの最適化、評価のためのパイプラインを提供し、使いやすく迅速な実験と結果の分析を可能にします。
このフレームワークは ML の実践者や研究者を対象としており、拡張性を向上させるためのメソッド、データセット、メトリクス、およびこれらのコンポーネントの標準インターフェイスの実装を提供します。
Aequitas Flow は、公平な ML 実践の開発を促進することで、AI システムへの公平性の概念の組み込みを強化し、AI システムをより堅牢かつ公平なものにしたいと考えています。

要約(オリジナル)

Aequitas Flow is an open-source framework and toolkit for end-to-end Fair Machine Learning (ML) experimentation, and benchmarking in Python. This package fills integration gaps that exist in other fair ML packages. In addition to the existing audit capabilities in Aequitas, the Aequitas Flow module provides a pipeline for fairness-aware model training, hyperparameter optimization, and evaluation, enabling easy-to-use and rapid experiments and analysis of results. Aimed at ML practitioners and researchers, the framework offers implementations of methods, datasets, metrics, and standard interfaces for these components to improve extensibility. By facilitating the development of fair ML practices, Aequitas Flow hopes to enhance the incorporation of fairness concepts in AI systems making AI systems more robust and fair.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google