AIF360
v0.6.1
La boîte à outils AI Fairness 360 est une bibliothèque open source extensible contenant des techniques développées par la communauté de recherche pour aider à détecter et atténuer les biais dans les modèles d'apprentissage automatique tout au long du cycle de vie des applications d'IA. Le package AI Fairness 360 est disponible en Python et R.
Le package AI Fairness 360 comprend
L'expérience interactive AI Fairness 360 fournit une introduction douce aux concepts et aux capacités. Les didacticiels et autres cahiers offrent une introduction plus approfondie et orientée vers les data scientists. L'API complète est également disponible.
Étant donné qu’il s’agit d’un ensemble complet de fonctionnalités, il peut être difficile de déterminer quels métriques et algorithmes sont les plus appropriés pour un cas d’utilisation donné. Pour vous aider, nous avons créé du matériel d’orientation qui peut être consulté.
Nous avons développé le package en gardant à l'esprit l'extensibilité. Cette bibliothèque est toujours en développement. Nous encourageons la contribution de vos métriques, explicateurs et algorithmes de débiaisation.
Contactez-nous sur Slack (invitation ici) !
install.packages( " aif360 " )Pour plus de détails concernant la configuration de R, veuillez vous référer aux instructions ici.
Configurations Python prises en charge :
| Système d'exploitation | Version Python |
|---|---|
| macOS | 3.8 – 3.11 |
| Ubuntu | 3.8 – 3.11 |
| Fenêtres | 3.8 – 3.11 |
AIF360 nécessite des versions spécifiques de nombreux packages Python qui peuvent entrer en conflit avec d'autres projets sur votre système. Un gestionnaire d'environnement virtuel est fortement recommandé pour garantir que les dépendances peuvent être installées en toute sécurité. Si vous rencontrez des difficultés pour installer AIF360, essayez d’abord ceci.
Conda est recommandé pour toutes les configurations bien que Virtualenv soit généralement interchangeable pour nos besoins. Miniconda est suffisant (voir la différence entre Anaconda et Miniconda si vous êtes curieux) si vous n'avez pas déjà installé conda.
Ensuite, pour créer un nouvel environnement Python 3.11, exécutez :
conda create --name aif360 python=3.11
conda activate aif360 Le shell devrait maintenant ressembler à (aif360) $ . Pour désactiver l'environnement, exécutez :
(aif360)$ conda deactivate L'invite reviendra à $ .
pipPour installer la dernière version stable de PyPI, exécutez :
pip install aif360Remarque : Certains algorithmes nécessitent des dépendances supplémentaires (même si les métriques fonctionneront toutes immédiatement). Pour installer avec certaines dépendances d'algorithme incluses, exécutez, par exemple :
pip install ' aif360[LFR,OptimPreproc] 'ou, pour une fonctionnalité complète, exécutez :
pip install ' aif360[all] ' Les options pour les extras disponibles sont : OptimPreproc, LFR, AdversarialDebiasing, DisparateImpactRemover, LIME, ART, Reductions, FairAdapt, inFairness, LawSchoolGPA, notebooks, tests, docs, all
Si vous rencontrez des erreurs, essayez les étapes de dépannage.
Clonez la dernière version de ce dépôt :
git clone https://github.com/Trusted-AI/AIF360Si vous souhaitez exécuter les exemples, téléchargez les ensembles de données maintenant et placez-les dans leurs dossiers respectifs comme décrit dans aif360/data/README.md.
Ensuite, accédez au répertoire racine du projet et exécutez :
pip install --editable ' .[all] ' Pour exécuter les exemples de blocs-notes, effectuez les étapes d'installation manuelle ci-dessus. Ensuite, si vous n'avez pas utilisé l'option [all] , installez les exigences supplémentaires comme suit :
pip install -e ' .[notebooks] 'Enfin, si vous ne l'avez pas déjà fait, téléchargez les ensembles de données comme décrit dans aif360/data/README.md.
Si vous rencontrez des erreurs pendant le processus d'installation, recherchez votre problème ici et essayez les solutions.
Consultez la page Installer TensorFlow avec pip pour obtenir des instructions détaillées.
Remarque : nous avons besoin 'tensorflow >= 1.13.1' .
Une fois Tensorflow installé, essayez de réexécuter :
pip install ' aif360[AdversarialDebiasing] ' TensorFlow n'est requis que pour une utilisation avec la classe aif360.algorithms.inprocessing.AdversarialDebiasing .
Sous MacOS, vous devrez peut-être d'abord installer les outils de ligne de commande Xcode si vous ne l'avez jamais fait auparavant :
xcode-select --installSous Windows, vous devrez peut-être télécharger les outils de génération Microsoft C++ pour Visual Studio 2019. Consultez la page d'installation de CVXPY pour obtenir des instructions à jour.
Ensuite, essayez de réinstaller via :
pip install ' aif360[OptimPreproc] ' CVXPY n'est requis que pour une utilisation avec la classe aif360.algorithms.preprocessing.OptimPreproc .
Le répertoire examples contient une collection diversifiée de notebooks Jupyter qui utilisent AI Fairness 360 de différentes manières. Les didacticiels et les démos illustrent le code fonctionnel utilisant AIF360. Les didacticiels fournissent des discussions supplémentaires qui guident l'utilisateur à travers les différentes étapes du bloc-notes. Voir les détails sur les tutoriels et les démos ici
Une description technique d’AI Fairness 360 est disponible dans ce document. Vous trouverez ci-dessous l'entrée bibtex de cet article.
@misc{aif360-oct-2018,
title = "{AI Fairness} 360: An Extensible Toolkit for Detecting, Understanding, and Mitigating Unwanted Algorithmic Bias",
author = {Rachel K. E. Bellamy and Kuntal Dey and Michael Hind and
Samuel C. Hoffman and Stephanie Houde and Kalapriya Kannan and
Pranay Lohia and Jacquelyn Martino and Sameep Mehta and
Aleksandra Mojsilovic and Seema Nagar and Karthikeyan Natesan Ramamurthy and
John Richards and Diptikalyan Saha and Prasanna Sattigeri and
Moninder Singh and Kush R. Varshney and Yunfeng Zhang},
month = oct,
year = {2018},
url = {https://arxiv.org/abs/1810.01943}
}
Le fork de développement pour Rich Subgroup Fairness ( inprocessing/gerryfair_classifier.py ) est ici. Les contributions sont les bienvenues et une liste des contributions potentielles des auteurs peut être trouvée ici.
