AIF360
v0.6.1
AI Fairness 360 ツールキットは、AI アプリケーションのライフサイクル全体を通じて機械学習モデルのバイアスを検出および軽減するために研究コミュニティによって開発された技術を含む拡張可能なオープンソース ライブラリです。 AI Fairness 360 パッケージは、Python と R の両方で利用できます。
AI Fairness 360 パッケージには以下が含まれます
AI Fairness 360 のインタラクティブなエクスペリエンスは、概念と機能をわかりやすく紹介します。チュートリアルやその他のノートブックでは、データ サイエンティスト向けのより深い入門が提供されます。完全な API も利用できます。
包括的な機能セットであるため、特定のユースケースにどのメトリクスとアルゴリズムが最適であるかを理解するのが難しい場合があります。そのために、参照できるガイダンス資料を作成しました。
拡張性を念頭に置いてパッケージを開発しました。このライブラリはまだ開発中です。メトリクス、説明者、バイアス除去アルゴリズムの貢献を奨励します。
Slack でご連絡ください (招待はこちら)!
install.packages( " aif360 " )R セットアップの詳細については、こちらの手順を参照してください。
サポートされている Python 構成:
| OS | Pythonのバージョン |
|---|---|
| macOS | 3.8 – 3.11 |
| Ubuntu | 3.8 – 3.11 |
| 窓 | 3.8 – 3.11 |
AIF360 には、システム上の他のプロジェクトと競合する可能性がある多くの Python パッケージの特定のバージョンが必要です。依存関係を安全にインストールできるように、仮想環境マネージャーを使用することを強くお勧めします。 AIF360 のインストールに問題がある場合は、まずこれを試してください。
Conda はすべての構成に推奨されますが、一般的に Virtualenv は目的に応じて交換可能です。 conda がまだインストールされていない場合は、Miniconda で十分です (興味がある場合は、Anaconda と Miniconda の違いを参照してください)。
次に、新しい Python 3.11 環境を作成するには、次のコマンドを実行します。
conda create --name aif360 python=3.11
conda activate aif360シェルは(aif360) $のようになっているはずです。環境を非アクティブ化するには、次を実行します。
(aif360)$ conda deactivateプロンプトは$に戻ります。
pipでインストールPyPI から最新の安定バージョンをインストールするには、次を実行します。
pip install aif360注: 一部のアルゴリズムには追加の依存関係が必要です (ただし、メトリクスはすべてそのままで機能します)。特定のアルゴリズムの依存関係を含めてインストールするには、次のように実行します。
pip install ' aif360[LFR,OptimPreproc] 'または、完全な機能を使用するには、次を実行します。
pip install ' aif360[all] '利用可能な追加オプションのオプションは次のとおりです: OptimPreproc, LFR, AdversarialDebiasing, DisparateImpactRemover, LIME, ART, Reductions, FairAdapt, inFairness, LawSchoolGPA, notebooks, tests, docs, all
エラーが発生した場合は、トラブルシューティングの手順を試してください。
このリポジトリの最新バージョンのクローンを作成します。
git clone https://github.com/Trusted-AI/AIF360サンプルを実行したい場合は、今すぐデータセットをダウンロードし、aif360/data/README.md の説明に従ってそれぞれのフォルダーに配置します。
次に、プロジェクトのルート ディレクトリに移動して、次のコマンドを実行します。
pip install --editable ' .[all] ' サンプル ノートブックを実行するには、上記の手動インストール手順を完了します。次に、 [all]オプションを使用しなかった場合は、次のように追加の要件をインストールします。
pip install -e ' .[notebooks] '最後に、まだデータセットをダウンロードしていない場合は、aif360/data/README.md の説明に従ってデータセットをダウンロードします。
インストールプロセス中にエラーが発生した場合は、ここで問題を探して解決策を試してください。
詳細な手順については、「pip を使用して TensorFlow をインストールする」ページを参照してください。
注: 'tensorflow >= 1.13.1'が必要です。
tensorflow がインストールされたら、再実行してみてください。
pip install ' aif360[AdversarialDebiasing] ' TensorFlow は、 aif360.algorithms.inprocessing.AdversarialDebiasingクラスで使用する場合にのみ必要です。
MacOS では、これまでに Xcode コマンド ライン ツールをインストールしたことがない場合は、まずインストールする必要がある場合があります。
xcode-select --installWindows では、Visual Studio 2019 用の Microsoft C++ Build Tools をダウンロードする必要がある場合があります。最新の手順については、CVXPY インストール ページを参照してください。
次に、次の方法で再インストールしてみてください。
pip install ' aif360[OptimPreproc] ' CVXPY は、 aif360.algorithms.preprocessing.OptimPreprocクラスで使用する場合にのみ必要です。
examplesディレクトリには、AI Fairness 360 をさまざまな方法で使用する jupyter ノートブックの多様なコレクションが含まれています。チュートリアルとデモはどちらも、AIF360 を使用した実際のコードを示しています。チュートリアルでは、ノートブックのさまざまな手順をユーザーに説明する追加の説明が提供されます。チュートリアルとデモの詳細については、こちらをご覧ください。
AI Fairness 360 の技術的な説明は、このペーパーでご覧いただけます。以下はこの論文の bibtex エントリです。
@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}
}
Rich Subgroup Fairness の開発フォーク ( inprocessing/gerryfair_classifier.py ) はここにあります。寄稿は歓迎されており、著者からの寄稿候補のリストはここで見つけることができます。
