trusted-ai/aif360Um conjunto abrangente de métricas de justiça para conjuntos de dados e modelos de aprendizado de máquina, explicações para essas métricas e algoritmos para mitigar viés em conjuntos de dados e modelos.
O kit de ferramentas AI Fairness 360 é uma biblioteca extensível de código aberto que contém técnicas desenvolvidas pela comunidade de pesquisa para ajudar a detectar e mitigar o viés em modelos de aprendizado de máquina ao longo do ciclo de vida de aplicações de IA. O pacote AI Fairness 360 está disponível em Python e R.
O pacote AI Fairness 360 inclui
A experiência interativa do AI Fairness 360 fornece uma introdução acessível aos conceitos e capacidades. Os tutoriais e outros notebooks oferecem uma introdução mais aprofundada, voltada para cientistas de dados. A API completa também está disponível.
Por ser um conjunto abrangente de funcionalidades, pode ser confuso descobrir quais métricas e algoritmos são mais adequados para um determinado caso de uso. Para ajudar, criamos algum material de orientação que pode ser consultado.
Desenvolvemos o pacote com a extensibilidade em mente. Esta biblioteca ainda está em desenvolvimento. Incentivamos a contribuição de suas métricas, explicadores e algoritmos de remoção de viés.
Entre em contato conosco no Slack (convite aqui)!
install.packages("aif360")
Para mais detalhes sobre a configuração do R, consulte as instruções aqui.
Configurações de Python suportadas:
| OS | Versão do Python |
|---|---|
| macOS | 3.10 – 3.13 |
| Ubuntu | 3.10 – 3.13 |
| Windows | 3.10 – 3.13 |
O AIF360 requer versões específicas de muitos pacotes Python que podem entrar em conflito com outros projetos no seu sistema. Um gerenciador de ambiente virtual é fortemente recomendado para garantir que as dependências possam ser instaladas com segurança. Se você tiver problemas para instalar o AIF360, tente isto primeiro.
O Conda é recomendado para todas as configurações, embora o Virtualenv seja geralmente intercambiável para nossos propósitos. O Miniconda é suficiente (veja a diferença entre Anaconda e Miniconda se estiver curioso) caso você ainda não tenha o conda instalado.
Em seguida, para criar um novo ambiente Python 3.11, execute:
conda create --name aif360 python=3.11
conda activate aif360
O shell agora deve se parecer com (aif360) $. Para desativar o ambiente, execute:
(aif360)$ conda deactivate
O prompt retornará para $ .
pipPara instalar a versão estável mais recente do PyPI, execute:
pip install aif360
Nota: Alguns algoritmos exigem dependências adicionais (embora todas as métricas funcionem imediatamente). Para instalar com determinadas dependências de algoritmos incluídas, execute, por exemplo:
pip install 'aif360[LFR,OptimPreproc]'
ou, para funcionalidade completa, execute:
pip install 'aif360[all]'
As opções para extras disponíveis são: OptimPreproc, LFR, AdversarialDebiasing, DisparateImpactRemover, LIME, ART, Reductions, FairAdapt, inFairness, LawSchoolGPA, notebooks, tests, docs, all
Se você encontrar algum erro, tente as etapas do Troubleshooting.
Clone a versão mais recente deste repositório:
git clone https://github.com/Trusted-AI/AIF360
Se você quiser executar os exemplos, baixe os conjuntos de dados agora e coloque-os em suas respectivas pastas, conforme descrito em aif360/data/README.md.
Em seguida, navegue até o diretório raiz do projeto e execute:
pip install --editable '.[all]'
Para executar os notebooks de exemplo, conclua as etapas de instalação manual acima.
Em seguida, se você não usou a opção [all], instale os requisitos adicionais
da seguinte forma:
pip install -e '.[notebooks]'
Por fim, se ainda não o fez, baixe os conjuntos de dados conforme descrito em aif360/data/README.md.
Se você encontrar algum erro durante o processo de instalação, procure seu problema aqui e tente as soluções.
Consulte a página Instalar o TensorFlow com pip para obter instruções detalhadas.