为什么我需要为指标提供（非）特权属性值？

Question

我正在使用 AI Fairness 360 软件包来获取数据集的公平性指标。我已经将数据转换为StandardDataset 实例。如果我理解正确，这会将受保护属性的所有值更改为 1 或 0：1 表示“属于该属性的特权组”，0 表示“属于该属性的非特权组”。

在计算公平性指标时，我需要创建一个 BinaryLabelDatasetMetric 实例，我需要为其指定哪些受保护属性的组合我认为是我的特权/非特权组。但是为什么我需要提供特权/非特权的属性值呢？转换为StandardDataset 后，所有特权值为 1，非特权值为 0。我错过了什么吗？因为如果不是，那么像往常一样将其编码为 1 会容易得多。

总而言之，我的问题是：StandardDataset 中受保护属性的值可以是 1 或 0 以外的任何值吗？如果是，在什么情况下？ （如果不是，API 似乎可以简化很多，只需要受保护属性的名称而不是值。）

Answer 1

StandardDataset 中受保护属性的值可以是 除了 1 或 0 以外的任何值？

是的。它们也可以是原始数据集中的其他值，但是一旦被StandardDataset 转换，它们将被转换为 0 和 1。来自source：

privileged_classes(list(list or function))：每个元素都是 被认为是特权或布尔值的列表 如果具有相应权限，则返回 True 的函数 protected_attribute_names 中的列。其他都是 无特权的。值映射到 1（特权）和 0 （非特权）如果它们还不是数字。

您还可以查看示例here，通过更改gender 属性（例如，在传递给StandardDataset 之前将0 和1 替换为“女性”和“男性”）来查看实际情况。

如果特权类已经被编码为 1 而非特权类被编码为 0，这似乎是不必要的。但如果不是这种情况，设置这样的要求将意味着用户需要操作原始数据集，这是不可取的。