FairSHAP은 Shapley value attribution을 활용하여 개인 및 그룹 공정성을 모두 향상시키는 새로운 전처리 프레임워크입니다. 기존 전처리 방법과 달리, 공정성에 영향을 미치는 특징이나 인스턴스를 식별하는 투명한 메커니즘을 제공합니다. 공정성에 중요한 인스턴스를 식별하고, 민감한 그룹 간 인스턴스 매칭을 통해 체계적으로 수정하여 차별적 위험(개인 공정성 지표)을 줄입니다. 데이터 무결성과 모델 정확도를 유지하면서 인구 통계적 동등성과 기회균등을 크게 향상시키며, 일부 경우 예측 성능까지 향상시킵니다. 모델에 독립적이고 투명한 방법으로 기존 머신러닝 파이프라인에 통합되며 편향의 원인에 대한 실행 가능한 통찰력을 제공합니다.
