算法公平性在机器学习界引起了越来越多的关注。文献中提出了各种定义，但没有明确说明它们之间的差异和联系。在本文中，我们回顾和反思了先前在机器学习文献中提出的各种公平概念，并试图将其与道德和政治哲学，尤其是正义理论中的论点联系起来。我们还从动态的角度考虑公平查询，并进一步考虑当前预测和决策所引起的长期影响。鉴于特征公平性的差异，我们提出了一个流程图，其中包含不同类型的公平性查询对数据生成过程的隐含假设和预期结果，对预测结果，和诱发的影响，分别。本文展示了匹配使命（希望执行哪种公平）和手段（感兴趣的公平分析范围，什么是适当的分析方案）以实现预期目的的重要性。
