AIF360
v0.6.1
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 preconceitos em modelos de aprendizado de máquina durante todo o ciclo de vida do aplicativo de IA. O pacote AI Fairness 360 está disponível em Python e R.
O pacote AI Fairness 360 inclui
A experiência interativa AI Fairness 360 fornece uma introdução suave aos conceitos e recursos. Os tutoriais e outros notebooks oferecem uma introdução mais profunda e orientada para cientistas de dados. A API completa também está disponível.
Sendo um conjunto abrangente de capacidades, pode ser confuso descobrir quais métricas e algoritmos são mais apropriados para um determinado caso de uso. Para ajudar, criamos alguns materiais de orientação que podem ser consultados.
Desenvolvemos o pacote pensando na extensibilidade. Esta biblioteca ainda está em desenvolvimento. Encorajamos a contribuição de suas métricas, explicadores e algoritmos de desvio.
Entre em contato conosco no Slack (convite aqui)!
install.packages( " aif360 " )Para obter mais detalhes sobre a configuração do R, consulte as instruções aqui.
Configurações Python suportadas:
| SO | Versão Python |
|---|---|
| macOS | 3,8 – 3,11 |
| Ubuntu | 3,8 – 3,11 |
| Windows | 3,8 – 3,11 |
AIF360 requer versões específicas de muitos pacotes Python que podem entrar em conflito com outros projetos em seu sistema. Um gerenciador de ambiente virtual é altamente recomendado para garantir que as dependências possam ser instaladas com segurança. Se você tiver problemas para instalar o AIF360, tente primeiro.
O Conda é recomendado para todas as configurações, embora o Virtualenv seja geralmente intercambiável para nossos propósitos. Miniconda é suficiente (veja a diferença entre Anaconda e Miniconda se estiver curioso) se você ainda não tiver o conda instalado.
Então, 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 aif360Observação: alguns algoritmos exigem dependências adicionais (embora todas as métricas funcionem imediatamente). Para instalar com certas dependências de algoritmo incluídas, execute, por exemplo:
pip install ' aif360[LFR,OptimPreproc] 'ou, para funcionalidade completa, execute:
pip install ' aif360[all] ' As opções de 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 de solução de problemas.
Clone a versão mais recente deste repositório:
git clone https://github.com/Trusted-AI/AIF360Se desejar 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. Então, 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 o seu problema aqui e tente as soluções.
Consulte a página Instalar o TensorFlow com pip para obter instruções detalhadas.
Nota: exigimos 'tensorflow >= 1.13.1' .
Depois que o tensorflow estiver instalado, tente executar novamente:
pip install ' aif360[AdversarialDebiasing] ' O TensorFlow só é necessário para uso com a classe aif360.algorithms.inprocessing.AdversarialDebiasing .
No MacOS, talvez você precise primeiro instalar as ferramentas de linha de comando do Xcode, caso nunca tenha feito isso antes:
xcode-select --installNo Windows, pode ser necessário baixar as ferramentas de compilação do Microsoft C++ para Visual Studio 2019. Consulte a página de instalação do CVXPY para obter instruções atualizadas.
Em seguida, tente reinstalar via:
pip install ' aif360[OptimPreproc] ' CVXPY só é necessário para uso com a classe aif360.algorithms.preprocessing.OptimPreproc .
O diretório examples contém uma coleção diversificada de notebooks jupyter que usam AI Fairness 360 de várias maneiras. Tanto os tutoriais quanto as demonstrações ilustram o código funcional usando AIF360. Os tutoriais fornecem discussões adicionais que orientam o usuário pelas diversas etapas do notebook. Veja os detalhes sobre tutoriais e demonstrações aqui
Uma descrição técnica do AI Fairness 360 está disponível neste artigo. Abaixo está a entrada do bibtex para este artigo.
@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}
}
O fork de desenvolvimento para Rich Subgroup Fairness ( inprocessing/gerryfair_classifier.py ) está aqui. Contribuições são bem-vindas e uma lista de possíveis contribuições dos autores pode ser encontrada aqui.
