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