# バイアスと公平性

> バイアスと公平性 - モデルにバイアスがあるかどうか、またモデルがトレーニングデータから学習バイアスになっている理由を特定する「バイアスと公平性」タブについて紹介します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.941988+00:00` (UTC).

## Primary page

- [バイアスと公平性](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/bias/index.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [バイアスと公平性に関する注意事項](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/bias/index.html.md#bias-and-fairness-considerations): In-page section heading.

## Documentation content

バイアスと公平性 タブは、モデルにバイアスがかかっているかどうか、またモデルがトレーニングデータから学習バイアスになっている理由を特定します。 次のセクションでは、タブの使用に関する追加情報を提供します。

| [リーダーボード]タブ | 説明 | ソース |
| --- | --- | --- |
| クラス別の精度 | 保護された特徴量の各クラスセグメントについて、モデルの精度を測定します。 | 検定データ |
| クラス間のデータの相違 | モデルにバイアスがかかっている理由と、そのバイアスをトレーニングデータのどこから学習したかを示します。 | 検定データ |
| クラスごとのバイアス | モデルにバイアスがかかっているか、かかっている場合は、どの程度、誰に対してバイアスがかかっているかを特定します。 | 検定データ |
| 設定 | リーダーボードから公平性テストを設定します。 | N/A |

モデル構築の前に バイアスと公平性 を設定しなかった場合、 バイアスと公平性 > 設定 で [リーダーボードモデルの公平性テストを設定](https://docs.datarobot.com/ja/docs/classic-ui/modeling/build-models/adv-opt/fairness-metrics.html.md#configure-metrics-and-mitigation-post-autopilot) できます。

機械学習モデルの公平性を計算し、モデルの予測動作からバイアスを特定するための方法については、 [バイアスと公平性のリファレンス](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/bias-ref.html.md) を参照してください。

## バイアスと公平性に関する注意事項

バイアスと公平性 タブを使用するときは、次のことを考慮してください。

- バイアスと公平性のテストは、二値分類プロジェクトでのみ使用できます。
- 保護された特徴量は、データセット内のカテゴリー特徴量である必要があります。