数据集概述
本数据集为ESEC/FSE 2022收录论文的研究工件，包含MAAT算法及对比方法的源代码、中间结果、安装说明与复现指南。MAAT是一种用于平衡机器学习软件公平性与性能的集成方法，可复现论文中所有研究问题的结果，为相关算法研究提供支持。
文件详解
- 文件名称：
FSE22-MAAT.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含MAAT算法及现有偏差缓解方法的源代码、实验中间结果文件、安装说明文档，以及用于复现论文所有研究问题结果的详细指南。
数据来源
论文“MAAT: A Novel Ensemble Approach to Addressing Fairness and Performance Bugs for Machine Learning Software”
适用场景
- 机器学习公平性算法研究: 用于分析MAAT集成方法在平衡公平性与性能方面的效果，对比现有偏差缓解技术的优劣。
- 算法性能复现验证: 按照复现指南复现论文实验结果，验证MAAT算法的有效性与先进性。
- 机器学习软件优化: 基于源代码研究公平性与性能优化的实现逻辑，为相关软件开发提供参考。
- 学术研究参考: 作为ESEC/FSE 2022收录论文的配套数据，支持机器学习公平性领域的后续研究。
