Obrigada pela interação e feedback Daniel! Vou deixar aqui as respostas para suas questões:
1) A tabela está correta, realmente obtivemos uma coerência maior nos casos 'negativos' (que representam renda menor ou igual a 50 mil dólares) do que nos positivos (renda maior do que 50 mil dólares). Isso mostra que o algoritmo lida melhor e gera mais acertos nos casos de menor renda, consequência da maior quantidade de dados referentes a esse caso no dataset.

2) O dataset possui 12 informações que classificam os dados, sendo elas: idade, classe de trabalho, escolaridade, estado civil, ocupação, parentesco, 'raça', sexo, ganho de capital, perda de capital, horas trabalhadas por semana e país de origem. Todas elas são utilizadas para classificar se um indivíduo ganha mais que 50 mil dólares anuais ou não, mas sexo e 'raça' são aqueles que trazem vieses para o algoritmo e, portanto, os escolhidos para serem trabalhados durante o projeto.

Além disso, o programa utiliza dois métodos de classificação.

Na primeira análise, utilizamos as Florestas Aleatórias (Random Forest), que é um algoritmo de aprendizado supervisionado que constrói várias árvores de decisão e as 'combina' de maneira a obter uma melhor previsão. Árvores de decisão, por sua vez, também são algoritmos de aprendizado supervisionado, nos quais os dados são continuamente divididos de acordo com um determinado parâmetro, como a entropia. Neste método, um conjunto de exemplos de treinamento é dividido em subconjuntos cada vez menores criando uma árvore de decisão associada e, no final do processo de aprendizagem, obtemos uma árvore de decisão cobrindo o conjunto de treinamento completo. Assim, o método Random Forest irá gerar diversas árvores de decisão, cada uma com sua própria estimativa, e ira juntá-las de maneira a formar a estimativa geral. Podemos fazer uma analogia com o mundo real, em um caso onde ouvimos diferentes opiniões tratando de um mesmo problema, para sermos capazes de melhor compreendê-lo.

Já na segunda análise, após implementarmos as técnicas referentes a Fairness, o modelo de Regressão Logística foi utilizado. Este é um algoritmo de aprendizado utilizado para os problemas de classificação e que possui como base os conceitos de probabilidade e estatística. Ele prevê uma variável de dados dependente, analisando a relação entre uma ou mais variáveis independentes existentes.

3) A reponderação de dados de Kamiran e Calders consiste em aumentar os pesos dos dados com características sensíveis de maneira com que possuam maior influência no processo de treinamento. Ele visa, principalmente, amenizar a disparidade na quantidade e qualidade referentes aos dados sensíveis e aos não sensíveis.

4) A matriz de confusão apresentada foi realizada de forma a observarmos os vieses de uma maneira mais visual. Entretanto, ao implementarmos as técnicas de correção, possuíamos como objetivo principal a análise das métricas de Fairness. O método de reponderação de dados utilizado promete apresentar uma melhora na métrica de Paridade Demográfica, conceito que pode ser descrito como 'A probabilidade de um resultado positivo deve ser o mesmo independentemente de a pessoa estar no grupo protegido ou não'. De fato, conseguimos uma melhora significativa nesta métrica, que passou de 0.1841 para 0.0865, estando muito mais próxima do valor ideal 0 e mostrando sucesso na implementação. Apesar disso, é vero que tal método não mitiga o problema da injustiça em sua totalidade, podendo ser combinado com outras intervenções para atingir resultados ainda melhores. Esta área de estudo ainda é muito recente e ainda não foram encontrados métodos que possam acabar com o problema de maneira 100% eficaz, até porque as raízes dos mesmos estão na própria sociedade. Nosso objetivo é pensar em maneiras de melhorar o modo como lidamos com nossos dados para amenizar o impacto de vieses sociais na vida das pessoas, e, assim, conseguirmos construir uma sociedade mais justa e igualitária :)

Obrigado!