バイアスと公平性¶
バイアスと公平性タブは、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。
リーダーボードのタブ | 説明 | ソース |
---|---|---|
クラスごとのバイアス | モデルにバイアスがあるかどうかを示します。バイアスがある場合は、そのバイアスの程度と誰に対して好意的または非好意的なバイアスがかかっているかを示します。 | 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ある理由と、トレーニングデータのどの部分でバイアスを学習したかを示します。 | 検定データ |
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で、モデルの精度を測定します。 | 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を参照してください。
更新しました February 22, 2022
このページは役に立ちましたか?
ありがとうございます。どのような点が役に立ちましたか?
より良いコンテンツを提供するには、どうすればよいでしょうか?
アンケートにご協力いただき、ありがとうございました。