平等对待 (TE)

平等对待 (TE) 是指分面 a 和分面 d 之间假阴性与假阳性比率之差。该指标的主要理念是评估即使各组的准确率相同，错误对一组的伤害是否比另一组更大？ 错误率来自假阳性和假阴性的总和，但对于不同的分面，这两者的细分可能大不相同。TE 衡量错误在各分面的补偿方式是相似还是不同。

平等对待的公式：

        TE = FN_d/FP_d - FN_a/FP_a

其中：

请注意，如果 FP_a 或 FP_d 为零，该指标就会变成无界。

例如，假设有 100 名贷款申请人来自分面 a，有 50 名贷款申请人来自分面 d。就分面 a 而言，有 8 人被错误地拒绝贷款 (FN_a)，另有 6 人被错误地批准贷款 (FP_a)。其余的预测均正确，那么 TP_a + TN_a = 86。对于分面 d，有 5 人被错误地拒绝 (FN_d)，有 2 人被错误地批准 (FP_d)。其余的预测均正确，那么 TP_d + TN_d = 43。分面 a 的假阴性与假阳性之比等于 8/6 = 1.33，分面 d 的假阴性与假阳性之比等于 5/2 = 2.5。因此，TE = 2.5 - 1.33 = 1.167，尽管两个分面的准确率相同：

        ACC_a = (86)/(86+ 8 + 6) = 0.86

        ACC_d = (43)/(43 + 5 + 2) = 0.86

二进制和多类别分面标签的有条件拒绝差异的值范围为 (-∞, +∞)。未为连续标签定义 TE 指标。对该指标的解释取决于假阳性（I 型错误）和假阴性（II 型错误）的相对重要性。