#104 · 主分类: MLOps与评测
AIF360
一套全面的公平性指标,用于数据集和机器学习模型,包含指标解释和缓解偏见算法。
项目最后更新:06/15/26
GitHub Stars
2.9K
Forks数量
912
贡献者数量
75
许可证
Apache-2.0
收录理由
当模型要进入金融、医疗、招聘或教育领域时,仅凭准确率很难判断它是否适合上线。AIF360 专门处理公平性这一环,它提供针对数据集和模型预测的群体公平性与个体公平性指标,并配套一批研究级别的偏见缓解算法。缓解工作覆盖了整个流程:你可以事先清洗训练数据、在训练过程中约束模型,或在预测后调整结果,具体取决于偏见出现在哪个环节。这个库设计上便于扩展,团队可以将其嵌入自己的评测流程,而不是把它当作一次性的审计工具。Python 和 R 两种接口、可运行的示例笔记本,以及关于如何选择合适指标或算法的指南,让数据科学家无需离开惯常的工作环境,就能从测量偏见走到修复偏见。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI,用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型(ACL 2024)
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台:LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具