Johannes Gutenberg University Mainz 发布 FeDa4Fair 数据集, 应用在 联邦学习、数据公平性 领域

Johannes Gutenberg University Mainz 本次发布的数据集 FeDa4Fair, FeDa4Fair是一个用于生成表格数据集的库，专门用于在异构客户端偏差下评估公平的联邦学习（FL）方法。该库的目标是解决FL中公平性的挑战，其中客户端之间存在着不同的数据偏差，导致模型对不同客户端的公平性不同。FeDa4Fair支持在客户端级别进行公平性评估，以解决现有FL方法在单一敏感属性上的局限性。FeDa4Fair基于美国社区调查的公共使用微观数据样本（ACS PUMS）和Ding等人提出的公平相关收入和就业预测任务（ACSIncome和ACSEmployment）。该数据集涵盖了美国51个州的数据，其中人口和社会经济状况各不相同，从而模拟了真实的异构客户端设置。FeDa4Fair提供了数据集不可知的方法来评估和放大现有偏差，以实现广泛的偏差异构客户端场景。FeDa4Fair支持单个和交集公平性评估，允许根据单个属性或属性组合进行偏差评估。FeDa4Fair目前支持两种公平性度量标准，即人口差异（DD）和均等化机会差异（EOD），用于进行评估。

查看FeDa4Fair

Dataset card 内容： 

Files and versions 内容： 

关于 Johannes Gutenberg University Mainz , Johannes Gutenberg University Mainz是位于德国美因茨的一所研究型大学，成立于1477年，以发明印刷术的约翰内斯·古腾堡命名，是德国最古老的大学之一，提供广泛的学术课程并进行多领域的研究。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。