概述 本文是机器学习公平性领域的文章，介绍了反事实公平。反事实公平，是指同一个体或者群体的预测结果在现实世界中和反事实世界中应该相似（仅受保护属性不同）。作者使用利用因果推断的工具制定建模公平性的框架。 本文的主要贡献是： 利用因果框架来