Orange3实战教程：公平性---均衡几率后处理

均衡几率后处理（Equalized Odds Postprocessing）

后处理公平性算法

输入

• 数据：参考数据集
• 预处理器：预处理方法
• 学习器：待后处理的学习器

输出

• 学习器：经过公平性后处理的学习器
• 模型：经过公平性后处理的训练模型

均衡几率后处理
这是一种后处理公平性算法，通过修改给定分类器的预测结果以满足特定的公平性标准。其工作流程为：首先将学习器拟合到训练数据中生成模型，并利用该模型获取预测结果；然后使用这些预测结果拟合均衡几率后处理算法，生成一个后处理器；最后，该后处理器用于调整模型在测试数据上的预测结果。

示例

在本示例中，我们将使用均衡几率后处理对线性回归模型的预测结果进行去偏处理。只需在流程中加入均衡几率后处理组件，并将任意模型和所需的预处理器与之连接。接着，将均衡几率后处理组件与**测试与评分（Test & Score）**组件及数据集相连，即可评估经过后处理的模型性能。