Zurück
Repository
Fairness Metrics
Zweck
Zwei Gruppen können gleich häufig positive Entscheidungen erhalten und trotzdem unterschiedliche Fehler erleben. Das Python-Beispiel führt Vorhersagen, tatsächliche Ergebnisse und Gruppenzugehörigkeit über die Benutzer-ID zusammen. Die README stellt Auswahlquoten, falsch positive und falsch negative Entscheidungen sowie die Sensitivität gegenüber.
Beispiel und Code weichen an einer Stelle voneinander ab. Beim Berechnen des Fehleranteils unter den negativen Entscheidungen greift die veröffentlichte Funktion auf undefinierte Gruppenvariablen zu und bricht vor der Ausgabe der Tabelle ab.
Quelldokumente
Originalquelle · github.com Fairness Metrics for Binary Classification Published Python implementationZitat
Fairness Metrics · https://github.com/detasar/fairness_metrics