La mesure de la différence de taux de faux négatifs calcule le pourcentage de transactions positives qui ont été incorrectement classées comme négatives par votre modèle.
Détails de l'indicateur
La différence de taux de faux négatifs est une mesure d'évaluation de l'équité qui peut aider à déterminer si votre actif produit des résultats biaisés.
Portée
La métrique de différence de taux de faux négatifs évalue les actifs d'IA générative et les modèles d'apprentissage automatique.
- Types d'actifs d'IA :
- Modèles d'invite
- Modèles d'apprentissage automatique
- Tâches d'IA générative : Classification de texte
- Type de problème d'apprentissage automatique : Classification binaire
Scores et valeurs
Le score de la mesure de la différence des taux de faux négatifs indique la différence des taux de faux négatifs pour les groupes suivis et de référence.
- Plage de valeurs : 0.0-1.0
- Meilleur score possible : 0.0
- Ratios :
- Moins de 0 : moins de faux négatifs dans le groupe surveillé
- À 0 : Les deux groupes ont des chances égales
- Plus de 0 : Taux plus élevé de faux négatifs dans le groupe surveillé
Processus d'évaluation
Pour calculer la différence du taux de fausses découvertes, des matrices de confusion sont générées pour les groupes surveillés et de référence afin d'identifier le nombre de faux négatifs et de vrais positifs pour chaque groupe. Les valeurs de faux négatif et de vrai positif sont utilisées pour calculer le taux de faux négatif de chaque groupe. Le taux de faux négatifs du groupe de référence est soustrait du taux de faux négatifs du groupe surveillé pour calculer la différence de taux de faux négatifs.
Calculs
La formule suivante est utilisée pour calculer le taux de faux négatifs (FNR) :
La formule suivante est utilisée pour calculer la différence du taux de faux négatifs :
Sujet parent : Indicateurs d'évaluation