机器学习模型的公平性优化方法、设备及存储介质

本申请公开了一种机器学习模型的公平性优化方法、设备及存储介质，其中，所述方法包括：获取机器学习模型的初始训练集中训练样本的敏感属性；根据敏感属性，对初始训练集中的训练样本进行去偏调整，得到目标训练集；其中，敏感属性对应的多个可选类别在各属性训练样本组合中均衡分布，同一属性训练样本组合中训练样本的目标属性的类别相同，不同属性训练样本组合中训练样本的目标属性的类别不同；根据目标训练集对机器学习模型进行重新训练，得到公平性优化后的机器学习模型。如此，可以对多属性下的多个敏感属性进行去偏处理，实现有效解决多属性交织情境下机器学习模型的公平性问题，最终提高模型的预测有效性。