本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 反事实翻转测试 (FT)
<a name="clarify-post-training-bias-metric-ft"></a>

翻转测试是一种检查分面 *d* 的每个成员并评估分面 *a* 的相似成员是否具有不同模型预测的方法。分面 *a* 的成员被选为分面 *d* 中观测值的 k 最近邻。我们评估有多少对立组的最近邻得到了不同的预测，其中翻转的预测可以从正变为负，反之亦然。

反事实翻转测试的公式是两个集合的基数之差除以分面 *d* 的成员数：

        FT = (F\+ - F-)/nd

其中：
+ F\+ 是具有不利结果的不利分面 *d* 的成员数，这些成员在有利分面 *a* 中的最近邻获得了有利结果。
+ F- 是具有有利结果的不利分面 *d* 的成员数，这些成员在有利分面 *a* 中的最近邻获得了不利结果。
+ nd 是分面 *d* 的样本量。

二进制和多类别分面标签的反事实翻转测试的值范围为 [-1, \+1]。对于连续标签，我们设置了一个阈值，将标签折叠为二进制标签。
+ 当不利分面 *d* 的不利反事实翻转测试决策数量超过有利决策的数量时，就会出现正值。
+ 当不利和有利反事实翻转测试决策的数量达到平衡时，就会出现接近零的值。
+ 当不利分面 *d* 的不利反事实翻转测试决策数量少于有利决策的数量时，就会出现负值。