🔎 AIF360 Fairness Check Project

---

📌 Over dit project

Dit project onderzoekt bias in AI met behulp van IBM’s AI Fairness 360 (AIF360).
We gebruiken de bekende Adult dataset (inkomensdata) en analyseren de fairness tussen mannen en vrouwen.

---

⚙️ Functionaliteit

• ✅ Dataset laden via OpenML
• ✅ Bias detecteren met Disparate Impact
• ✅ Bias mitigeren met Reweighing
• ✅ Interpretatie in gewone taal

---

📊 Voorbeeld-output

✅ Dataset geladen: 48842 samples
Disparate Impact vóór mitigatie: 0.63
Disparate Impact ná mitigatie: 0.98

👉 Interpretatie: de dataset discrimineerde duidelijk tegen vrouwen (0.63 < 0.8).
Na Reweighing is de bias sterk verminderd: de waarde schuift naar ~1.0 → veel eerlijker verdeeld.

---

📂 Projectstructuur

AIF360/
├── notebooks/
│   └── AIF360_Fairness_Check_With_Reweighing_And_Interpretation.ipynb
├── docs/
│   ├── Python_Gegevenstypen_CheatSheet.pdf
│   └── AIF360_Cheat_Sheet_Mac.pdf
├── requirements.txt
├── README.md
└── .venv/

---

🚀 Installatie & gebruik

1. Repo clonen

git clone https://github.com/BrinkmannB/AIF360.git
cd AIF360

2. Virtuele omgeving maken

python3 -m venv .venv
source .venv/bin/activate

3. Dependencies installeren

pip install -r requirements.txt

4. Start Jupyter

jupyter notebook

Open het notebook in notebooks/ en klik op Run All.

---

📖 Meer weten?

• AI Fairness 360 (IBM)
• Adult Dataset (OpenML)

---

👨‍💻 Auteur: Bas Brinkmann
AI Ethiek Consultant in opleiding | Extern Vertrouwenspersoon