FairnessMeasures.__init__

FairnessMeasures.__init__(approach_type='supervised', model_type='auto', set_metrics='standard', new_metrics=None, **kwargs)

Inizializza la classe FairnessMeasures, configurando le impostazioni necessarie per calcolare le metriche di fairness.

La funzione gestisce la scelta dell’approccio, del tipo di modello e delle metriche da calcolare, configurando l’analisi in base ai parametri forniti.

A seconda dei parametri specificati, il costruttore imposta le metriche di fairness standard per il tipo di modello scelto oppure imposta, aggiunge o inizializza nuove metriche personalizzate. La classe supporta modelli supervisionati e non supervisionati.

Parameters:

• approach_type (str, opzionale) –

  Tipo di approccio per l’analisi della fairness. Può essere:

  • ”supervised”: Approccio supervisionato.

  • ”unsupervised”: Approccio non supervisionato, generalmente utilizzato per il clustering.

  Default: “supervised”.

• model_type (str) –

  Tipo di modello da analizzare. Può essere:

  • ”auto”: La classe determinerà automaticamente il tipo di modello.

  • ”regression”: Modello di regressione.

  • ”classification”: Modello di classificazione binaria.

  • ”multiclass”: Modello di classificazione multiclasse.

  • ”clustering”: Modello di clustering (per approccio “unsupervised”).

  Default: “auto”.

• set_metrics (str, opzionale) –

  Impostazioni per le metriche di fairness. Può essere:

  • ”standard”: Vengono utilizzate le metriche di fairness predefinite per il tipo di modello.

  • ”add”: Aggiunge nuove metriche a quelle standard.

  • ”new”: Utilizza un nuovo insieme di metriche fornite dall’utente.

  Default: “standard”.

• new_metrics (list, opzionale) – Lista di nuove metriche da utilizzare quando set_metrics è impostato su “new” o “add”. Le metriche devono essere fornite come funzioni. Default: None.

• **kwargs (dict, opzionale) – Parametri aggiuntivi che possono essere utilizzati per configurare ulteriormente la classe.