Indietro
Repository
Fairness Metrics
Finalità
Due gruppi possono ricevere decisioni positive con la stessa frequenza e subire errori diversi. Questo esempio in Python unisce previsioni, esiti osservati e appartenenza al gruppo tramite l’ID utente. Il README affianca tassi di selezione, falsi positivi, falsi negativi e sensibilità.
C’è una differenza fra l’esempio e il codice. Per calcolare la quota di errori fra le decisioni negative, la funzione pubblicata usa variabili di gruppo non definite e si ferma prima di restituire la tabella.
Documenti originali
Fonte originale · github.com Fairness Metrics for Binary Classification Published Python implementationCitazione
Fairness Metrics · https://github.com/detasar/fairness_metrics