As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Igualdade de tratamento (TE)
A igualdade de tratamento (TE) é a diferença na proporção de falso-negativos para falso-positivos entre as facetas a e d. A ideia principal dessa métrica é avaliar se, mesmo que a precisão entre os grupos seja a mesma, os erros são mais prejudiciais a um grupo do que a outro? A taxa de erro vem do total de falso-positivos e falso-negativos, mas o detalhamento desses dois pode ser muito diferente pelas facetas. O TE mede se os erros estão compensando de forma semelhante ou diferente em todas as facetas.
A fórmula da igualdade de tratamento:
TE = FNd/FPd - FNa/FPa
Em que:
-
FNd são os falso-negativos previstos para a faceta d.
-
FPd são os falso-positivos previstos para a faceta d.
-
FNa são os falso-negativos previstos para a faceta a.
-
FPa são os falso-positivos previstos para a faceta a.
Observe que a métrica se torna ilimitada se FPa ou FPd for zero.
Por exemplo, suponha que haja 100 pessoas pedindo empréstimos da faceta a e 50 da faceta d. Para a faceta a, 8 tiveram um empréstimo negado erroneamente (FNa) e outros 6 foram aprovados erroneamente (FPa). As previsões restantes eram verdadeiras, então TPa + TNa = 86. Para a faceta d, 5 foram negadas erroneamente (FNd) e 2 foram aprovadas erroneamente (FPd). As previsões restantes eram verdadeiras, então TPd + TNd = 43. A proporção de falso-negativos para falso-positivos é igual a 8/6 = 1,33 para a faceta a e 5/2 = 2,5 para a faceta d. Portanto, TE = 2,5 - 1,33 = 1,167, embora ambas as facetas tenham a mesma precisão:
ACCa= (86)/(86+ 8 + 6) = 0,86
ACCd= (43)/(43 + 5 + 2) = 0,86
O intervalo de valores para diferenças na rejeição condicional para rótulos binários e de facetas multicategóricas é (-∞, +∞). A métrica TE não está definida para rótulos contínuos. A interpretação dessa métrica depende da importância relativa de falso-positivos (erro do tipo I) e dos falso-negativos (erro do tipo II).
-
Valores positivos ocorrem quando a proporção de falso-negativos para falso-positivos da faceta d é maior que da faceta a.
-
Valores próximos de zero ocorrem quando a proporção de falso-negativos e falso-positivos para a faceta a é semelhante à da faceta d.
-
Valores negativos ocorrem quando a proporção de falso-negativos para falso-positivos da faceta d é menor que da faceta a.
nota
Uma versão anterior afirmava que a métrica de Igualdade de Tratamento é calculada como FPa / FNa - FPd / FNd em vez de FNd / FPd - FNa / FPa. Embora qualquer uma das versões possa ser usada. Para obter mais informações, consulte Fairness measures for Machine Learning in
Finance
