Volver
Repositorio
Fairness Metrics
Finalidad
Dos grupos pueden recibir decisiones positivas con la misma frecuencia y sufrir errores distintos. Este ejemplo en Python une predicciones, resultados observados y pertenencia a un grupo por identificador de usuario. El README compara en paralelo tasas de selección, falsos positivos, falsos negativos y sensibilidad.
Hay una diferencia entre el ejemplo y el código. Al calcular la proporción de errores entre las decisiones negativas, la función publicada utiliza variables de grupo sin definir y se detiene antes de devolver la tabla.
Documentos originales
Fuente original · github.com Fairness Metrics for Binary Classification Published Python implementationCita
Fairness Metrics · https://github.com/detasar/fairness_metrics