查全率差异 (RD)

查全率差异 (RD) 指标是模型在有利分面 a 和不利分面 d 之间的查全率差异。这些查全率的任何差异都是一种潜在的偏差。查全率是真阳性率 (TPR)，用于衡量模型正确预测应得到阳性结果的案例的频率。如果某一分面的所有 y=1 案例都正确预测为 y'=1，则该分面的查全率是完美的。当模型尽可能地减少假阴性（即 II 型错误）时，查全率会更高。例如，模型正确检测了两个不同组（分面 a 和 d）中有多少人本应有资格获得贷款？ 如果向分面 a 提供贷款的查全率高，而向分面 d 提供贷款的查全率低，那么差异就可用来衡量这种不利于分面 d 中组的偏差。

分面 a 和 d 查全率差异的公式：

        RD = TP_a/(TP_a + FN_a) - TP_d/(TP_d + FN_d) = TPR_a - TPR_d

其中：

例如，考虑分面 a 和 d 的以下混淆矩阵。

查全率差异值为 RD = 65/70 - 20/27 = 0.93 - 0.74 = 0.19，这表明存在不利于分面 d 的偏差。

对于二进制和多类别分类，分面 a 和 d 之间的查全率差异值范围为 [-1, +1]。此指标对连续标签不可用。