TasaractDavut Emre Taşar
Kembali
Repositori

Fairness Metrics

Tujuan

Dua kelompok bisa sama seringnya menerima keputusan positif, tetapi mengalami jenis kesalahan yang berbeda. Contoh Python ini menggabungkan prediksi, hasil pengamatan, dan keanggotaan kelompok berdasarkan ID pengguna. README menyandingkan tingkat seleksi, positif palsu, negatif palsu, dan sensitivitas.

Ada perbedaan antara contoh dan kodenya. Saat menghitung proporsi kesalahan di antara keputusan negatif, fungsi yang diterbitkan memakai variabel kelompok yang belum didefinisikan. Proses pun berhenti sebelum tabel dikembalikan.

Dokumen sumber

Sumber asli · github.com Fairness Metrics for Binary Classification Published Python implementation
Sitasi

Fairness Metrics · https://github.com/detasar/fairness_metrics