戻る
リポジトリ
Fairness Metrics
用途
二つのグループで肯定的な判定の割合が同じでも、どんな誤りが起きるかは違う場合があります。この Python の例では、予測、実際の結果、所属グループをユーザー ID で結合します。README には、選択率、偽陽性、偽陰性、再現率をグループ別に並べた表があります。
例と公開コードには違いがあります。陰性判定のうち誤りが占める割合を計算する箇所で未定義のグループ変数を参照するため、関数は表を返す前に停止します。
一次資料
原典 · github.com Fairness Metrics for Binary Classification Published Python implementation引用情報
Fairness Metrics · https://github.com/detasar/fairness_metrics