使用 AIF360 计算群体公平性指标

Question

我想使用AIF360计算群体公平性指标。这是一个示例数据集和模型，其中性别是受保护的属性，收入是目标。import pandas as pdfrom sklearn.svm import SVCfrom aif360.sklearn import metricsdf = pd.DataFrame({'gender': [0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1],                  'experience': [0, 0.1, 0.2, 0.4, 0.5, 0.6, 0, 0.1, 0.2, 0.4, 0.5, 0.6],                  'income': [0, 0, 0, 0, 1, 1, 0, 1, 0, 1, 1, 1]})clf = SVC(random_state=0).fit(df[['gender', 'experience']], df['income'])y_pred = clf.predict(df[['gender', 'experience']])metrics.statistical_parity_difference(y_true=df['income'], y_pred=y_pred, prot_attr='gender', priv_group=1, pos_label=1)它抛出：---------------------------------------------------------------------------TypeError                                 Traceback (most recent call last)<ipython-input-7-609692e52b2a> in <module>     11 y_pred = clf.predict(X)     12 ---> 13 metrics.statistical_parity_difference(y_true=df['income'], y_pred=y_pred, prot_attr='gender', priv_group=1, pos_label=1)TypeError: statistical_parity_difference() got an unexpected keyword argument 'y_true'类似的错误disparate_impact_ratio。似乎数据需要以不同的方式输入，但我一直无法弄清楚如何输入。

Answer 1

这可以通过将数据转换为 aStandardDataset然后调用fair_metrics以下函数来完成：

from aif360.datasets import StandardDataset

from aif360.metrics import BinaryLabelDatasetMetric, ClassificationMetric

dataset = StandardDataset(df, 

                          label_name='income', 

                          favorable_classes=[1], 

                          protected_attribute_names=['gender'], 

                          privileged_classes=[[1]])

def fair_metrics(dataset, y_pred):

    dataset_pred = dataset.copy()

    dataset_pred.labels = y_pred

        

    attr = dataset_pred.protected_attribute_names[0]

    

    idx = dataset_pred.protected_attribute_names.index(attr)

    privileged_groups =  [{attr:dataset_pred.privileged_protected_attributes[idx][0]}] 

    unprivileged_groups = [{attr:dataset_pred.unprivileged_protected_attributes[idx][0]}] 

    classified_metric = ClassificationMetric(dataset, dataset_pred, unprivileged_groups=unprivileged_groups, privileged_groups=privileged_groups)

    metric_pred = BinaryLabelDatasetMetric(dataset_pred, unprivileged_groups=unprivileged_groups, privileged_groups=privileged_groups)

    result = {'statistical_parity_difference': metric_pred.statistical_parity_difference(),

             'disparate_impact': metric_pred.disparate_impact(),

             'equal_opportunity_difference': classified_metric.equal_opportunity_difference()}

        

    return result

fair_metrics(dataset, y_pred)

它返回正确的结果（图像参考）：

{'statistical_parity_difference': -0.6666666666666667,

 'disparate_impact': 0.3333333333333333,

 'equal_opportunity_difference': 0.0}

Answer 2

删除函数调用中的y_true=和字符并重试。正如在文档y_pred=中所看到的，函数原型中代表任意数量的参数。所以这是最符合逻辑的猜测。*y

换句话说，y_true和y_pred不是关键字参数。所以他们不能通过他们的名字来传递。**kwargs关键字参数在函数原型中表示。

Answer 3

我有同样的问题。y_pred_default是数组类型，整个数据集是Dataframe。但是，如果将 y_pred_default 转换为数据帧，您将丢失值的顺序，因此它将向新数据集显示 nan 值。所以我将数据集转换为 numpy 数组，然后与 y_pred_default 数组连接并转换为数据帧。此外，您还必须首先更改列名称，因为现在有数字。通过这样做，你就得到了你想要的。包含 x 值和相应 y 预测值的数据框，用于计算 spd 指标。