バイアス対精度¶

バイアス対精度チャートは、予測精度と公平性の間のトレードオフを表しており、保護された特徴量に関する各モデルの精度スコアと公平性スコアの手動で記録する必要がなくなります。 モデルの正確性または公平性のどちらがより必要か判断する際は、ユースケースを検討してください。 バイアス対精度は、現在選択されている指標を使用した検定スコアに基づいて表示されます。

• Y軸には各モデルの検定スコアが表示されます。 この指標を変更するには、リーダーボードに切り替え、指標ドロップダウンから指標を選択した後にバイアス対精度に戻ります。
• X軸には、各モデルの公平性スコアが表示されます。これは、保護された特徴量のクラスに対する相対的な公平性スコアの最低値です。

バイアスと精度の比較チャート¶

バイアス対精度チャートを評価するときは、次のことを考慮してください。

• モデルをチャートに表示するには、クラスごとのバイアスを計算する必要があります。
• モデル構築の前に高度なオプションで、保護された特徴量、公平性指標、および公平性のしきい値は定義済みです。
• 特徴量セットドロップダウンを使用すると、さまざまな特徴量セットでトレーニングされたモデルを比較できます。
• 左側では、公平性スコアが公平性のしきい値を下回るモデルが強調表示され、右側では、スコアがしきい値を超えているモデルが強調表示されています。
• 特定のモデルのスコアを表示するには、任意のポイントにカーソルを合わせます。
• いくつかのモデルは、ツールヒントで示すように十分なデータがないので、スコアを報告できない場合があります。 要件は以下のとおりです。
  • 100行を超える。
  • 100～1,000行の場合、10%を超える行が、ほとんどのマジョリティークラス（データの行が最も多いクラス）に属す必要があります。