近年，雇用の採否や融資の可否などの重要な意思決定に二値分類器を用いることが増えている一方で，二値分類器の予測結果が不公平を生じうることが危惧されている．ここで不公平とは女性や少数民族など保護されるべき集団（保護クラス）に対して保護されるべき集団に属さない集団（非保護クラス）よりも悪い影響を与えることと定義されている．先行研究では，保護クラスと非保護クラスで予測精度がどれほど等しいかを評価することで公平性を評価する手法が開発されてきた．一方で本研究では予測精度ではなく，安定性（stability），つまり，異なるデータセットで学習したモデルの予測値の一致度に着目した．そして，保護クラスと非保護クラスで安定性がどれほど異なるかで不公平さを評価する指標DOS_ACAを提案した．また，提案した評価手法を用いて数値実験および実データ解析を行った結果，木構造のアルゴリズムに比べ，ロジスティック回帰とニューラルネットワークは，特にサンプルサイズが小さく保護クラスの割合が小さいときに，安定性が不公平になりやすいことなどがわかった．本研究の成果は，公平な二値分類器の開発に向けた新たな評価基準を提供するものであり，特に実社会における予測アルゴリズムの倫理的・法的側面において重要な示唆を与える．