الإنصاف والشرائح والأضرار المحتملة

import numpy as np
group = np.array(["A"] * 4 + ["B"] * 4)
y = np.array([1, 1, 0, 0, 1, 1, 0, 0])
pred = np.array([1, 0, 0, 0, 1, 1, 1, 0])
for name in ["A", "B"]:
    mask = group == name
    actual, chosen = y[mask], pred[mask]
    tpr = np.sum((actual == 1) & (chosen == 1)) / np.sum(actual == 1)
    fpr = np.sum((actual == 0) & (chosen == 1)) / np.sum(actual == 0)
    print(f"{name} n={int(mask.sum())} selection={chosen.mean():.2f} tpr={tpr:.2f} fpr={fpr:.2f}")

A n=4 selection=0.25 tpr=0.50 fpr=0.00
B n=4 selection=0.75 tpr=1.00 fpr=0.50

المقامات موجبة بالجدول المبتكر ولا تكشف الصحة المتساوية هذه الفروق.

import numpy as np
error = np.array([0.0, 0.0, 0.0, 0.0, 1.0, 1.0])
group = np.array(["large"] * 4 + ["small"] * 2)
means = [error[group == name].mean() for name in ["large", "small"]]
print(f"row-weighted error={error.mean():.3f}")
print(f"macro-group error={np.mean(means):.3f}")

row-weighted error=0.333
macro-group error=0.500

يعكس الفرق وحدة الوزن ولا يعلن مقياس إنصاف شاملا.