Para detectar y mitigar el sesgo societario en una clasificación binaria, puede usar las funciones fairnessMetrics, fairnessWeights y disparateImpactRemover en Statistics and Machine Learning Toolbox™. En primer lugar, use fairnessMetrics para evaluar la equidad de un conjunto de datos o modelo de clasificación usando sesgos y métricas grupales. A continuación, use fairnessWeights para volver a ponderar las observaciones o use disparateImpactRemover para eliminar el impacto dispar de un atributo susceptible.

Las funciones fairnessWeights y disparateImpactRemover ofrecen técnicas de preprocesamiento que permiten ajustar los datos de los predictores antes de entrenar (o volver a entrenar) un clasificador. Para evaluar el comportamiento del modelo tras el entrenamiento, puede usar la función fairnessMetrics, así como varias funciones de interpretación. Para obtener más información, consulte Interpret Machine Learning Models.