本发明公开了一种面向深度学习的数据去偏方法，首先构建原始样本数据集，并对原始数据集进行预处理。再构建并训练用于消除偏见的对抗式生成网络模型，并计算对抗网络模型的损失函数。然后训练对抗网络模型，学习原始样本数据集中与敏感性相关的偏见信息。再构建权重矩阵，利用权重矩阵针对学习到的偏见信息相关程度赋予不同的权重以消除偏见信息，得到已经经过偏见消除的数据集，并且将该已经消除偏见的数据集用于后续的训练过程，以提高后续深度学习模型分类的准确性。本发明方法使得输入的原始样本数据集中与敏感属性有关的偏见信息被消除以提高分类结果的公平性，同时也保证了分类主任务的精度不会受到显著影响。