前言
Fairlearn 是一个旨在帮助数据科学家提高人工智能系统公平性的开源项目。目前国内并没有相关教程来讲解这个库的使用方式，所以笔者用一系列博客尽可能详细地教学 Fairlearn 库的使用方法。「在官网教程的基础上加入自己的个人见解。」
本篇博客是此系列的第二篇，接下来将用五篇博客来详解 FairLearn 中的 API。本篇的主要内容是 Fairlearn 中内置的数据集。
FairLearn 中内置了三个数据集，UCI adult，Bank Marketing 和 Boston House。
1. UCI Adult
**简介：**UCI adult 是一个用于预测公民年收入是否大于 50K 美元的数据集。
**导入数据集：**导入数据集需要用到 fairlearn.datasets 包，具体代码如下
from fairlearn import datasets
adult = datasets.fetch_adult(cache=True, data_home=None, as_frame=False, return_X_y=False)
1.1 fetch_adult() 的参数
通过 fetch_adult() 方法就能获取 UCI Adult 数据集，接下来我们看看 fetch_adult() 的参数。
cache：布尔型，默认为True，下载数据集时是否使用缓存。data_home：String类型，默认为None，用于指定下载数据集的缓存地址，所有的数据默认存在~/.fairlearn-data目录下。as_frame：布尔型，默认为False，下载的数据是否是Pandas的DataFrame类型。return_X_y：布尔型，默认为False。如果为True，返回的数据只包含数据和标签两部分。即data.data和data.target。
1.2 fetch_adult() 的返回值
看完了 fetch_adult() 的参数，我们再来看看它的返回值，返回值由四部分组成：
data：数据。target：标签。feature_names：特征名。DESCR：String型，对数据集的描述。
2. Bank Marketing
**简介：**Bank Marketing 是一个用来预测客户购买理财产品成功率的数据集。
导入数据集的具体代码如下：
bank = datasets.fetch_bank_marketing(cache=True, data_home=None, as_frame=False, return_X_y=False)
可以看到，该数据集的获取与前者的差别只是函数名的不同。fetch_bank_marketing() 方法的参数和返回值与 fetch_adult() 一致
3. Boston House
简介：波士顿房价数据集是机器学习中的一个经典数据集，通过一些列特征来预测波士顿地区的房价。但鲜为人知的是该数据集也是一个非公平数据集
导入数据集的具体代码如下：
boston = datasets.fetch_boston(cache=True, data_home=None, as_frame=False, return_X_y=False, warn=True
可以看到 fetch_boston() 方法中多了一个 warn 参数。该参数是布尔类型，默认为 True。当该参数为 True 时，会抛出一个警告来提示使用者该数据集是不公平的。