目标学习用于数据公平性推理

提出基于目标学习的数据公平性推理框架，推导了人口均等性、均等机会及条件互信息估计量。 在仿真测试中，该方法相比固定模型推理提升了置信区间覆盖率并降低了群体不公平性的假阳性检出率。 该研究通过真实数据应用，展示了其在评估训练数据生成过程公平性方面的有效性。