公平性¶

デプロイの公平性の設定を行ったら、モニタリング > 公平性タブを使用して、データセット内の保護された特徴量が事前に定義された公平性条件を満たさない場合に、モデルをリアルタイムで監視および認識できるようにするテストを設定できます。

バイアスの調査¶

公平性タブは、デプロイが公平性テストに失敗した理由、またどの保護されている特徴量が事前定義された公平性のしきい値を下回っているかを把握するのに役立ちます。 公平性テストに失敗した特徴量とその理由を特定するのに役立つ2つの情報をエクスポート可能な対話型の形式で視覚的に表示します。

クラスごとのバイアスの表示¶

公平性を集計チャートは、モデルにバイアスがあるかどうか、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ましいまたは好ましくないバイアスかを特定するのに役立ちます。 You can click a feature to view the per-class bias. 詳細については、クラスごとのバイアスに関するドキュメントを参照してください。 特徴量がしきい値を下回るとしてマークされた場合、この特徴量は事前定義された公平性の条件を満たしません。 Click the Below Threshold feature on the left to display the per-class fairness scores for each segmented attribute and better understand where bias exists within the feature.

チャートのポイント上にカーソルを置くと、その詳細が表示されます。

時間の経過に伴う公平性の表示¶

公平性基準を設定し、公平性の監視を有効にして予測を行うと、保護された特徴量の公平性スコアまたは特徴量の値が、デプロイの時間経過とともにどのように変化したかを確認できます。 横軸はデプロイに対して予測が作成された時間の範囲を測定し、縦軸は公平性スコアを測定します。

チャートのポイント上にカーソルを置くと、その詳細が表示されます。

名前の横にあるボックスをオフにすることで、チャート内の特定の特徴量または特徴量の値を非表示にすることもできます。

注意事項¶

• バイアスと公平性の監視は二値分類のモデルとデプロイでのみ使用できます。
• 予測の実測値をアップロードするには、関連付けIDが必要です。 再現率の平等性および適合率の平等性を計算するのにも使用されます。