处理相等 (TE) - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

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。

处理相等 (TE)

处理相等 (TE) 是分面 ad 之间的假阳性与假阴性的比率之差。此指标的主要理念是评估是否对一个组造成了更大损害,即使该组的准确性相同? 错误率来自假阳性和假阴性的总数,但这两个错误的细分在分面之间可能大不相同。TE 衡量跨分面对错误进行补偿的方式是相似还是不同。

处理相等的公式:

        TE = FPa/FNa - FPd/FNd

其中:

  • FPa 是为分面 a 预测的误报。

  • FNa 是为分面 a 预测的假阴性。

  • FPd 是为分面 d 预测的误报。

  • FNd 是为分面 d 预测的假阴性值。

请注意,如果 FN,指标将无界a 或 FNd 为零。

例如,假设有 100 个来自分面 a 的出借申请者和 50 个来自分面 d 的出借申请者。对于分面 a,8 被错误地拒绝了借给 (FNa) 和 6 被错误批准 (FP)a)。 其余预测为真,因此为 TPa + TNa = 86。对于分面 d,5 被错误地拒绝 (FN)d) 和 2 被错误批准 (FP)d)。 其余预测为真,因此为 TPd + TNd = 43。分面 a 的假阳性与假阴性的比率等于 6/8 = 0.75,分面 d 的 2/5 = 0.40。因此,TE = 0.75 - 0.40 = 0.35,即使两个分面具有相同的精度:

        ACCa = (86)/(68+ 8 + 6) = 0.86

        账户d = (43)/(43 + 5 + 2) = 0.86

二进制和多类别分面标签的条件拒绝差异值范围为 (∞-, ∞+)。不会为连续标签定义 TE 指标。此指标的解释取决于误报(类型 I 错误)和假阴性(类型 II 错误)的相对重要性。

  • 当分面 a 的假阳性与假阴性的比率大于分面 d 的比率时,会出现正值。

  • 当分面 a 的假阳性与假阴性的比率与分面 d 的相似时,将出现接近零的值。

  • 当分面 a 的假阳性与假阴性的比率小于分面 d 的比率时,会出现负值。