# AttrEodd归因公平正则项

医学影像分类的公平性通常只约束输出层面的组间差距，但线性分类头下，输出分数差等于各特征归因差的带符号求和，正负贡献可以相互抵消，使输出看似公平。研究在三种等化几率代理目标上各加入同一项归因差异惩罚，在HAM10000性别公平与Harvard-GF种族公平两个任务上，六组配对的超体积比较全部为正，相对增益1.49%至10.57%。在预设效用约束下，增强后的模型族等化几率差降低9.0%至38.7%，归因差异与抵消比同时下降。

医学影像分类的公平性通常只约束输出层面的组间差距，但线性分类头下，输出分数差等于各特征归因差的带符号求和，正负贡献可以相互抵消，使输出看似公平。研究在三种等化几率代理目标上各加入同一项归因差异惩罚，在HAM10000性别公平与Harvard-GF种族公平两个任务上，六组配对的超体积比较全部为正，相对增益1.49%至10.57%。在预设效用约束下，增强后的模型族等化几率差降低9.0%至38.7%，归因差异与抵消比同时下降。