均等化

均等化 ，也被称为条件程序准确性平等和差异性虐待，是机器学习中的公平性措施。

如果受保护组和未受保护组的受试者具有相等的真阳性率和相等的假阳性率，满足公式，则分类器就满足这个定义。

可以是性别、种族和其他我们希望没有偏见的特征，而{displaystyleY}则是这个人是否有资格获得学位。将是这个人是否有资格获得该学位，而输出的{displaystyleR}将是学校对该人是否有资格获得学位的决定。将是学校是否为该人提供学位学习的决定。

均等化 是指在机器学习算法和应用中，确保不会对某些群体或人口产生歧视行为的一种设计原则。具体来说，均等化 要求AI系统在数据收集、模型训练和预测等各个环节中避免偏见和不公平性的影响，以确保决策结果对所有人都是公正、透明、可靠、安全、可解释和可控制的。

最初，这个概念是针对二元类定义的。2017年，Woodworth等人将这一概念进一步概括为多类。