Métrica de avaliação de diferença de taxa de falsos positivos
A métrica de diferença de taxa de falsos positivos calcula a porcentagem de transações negativas que foram incorretamente classificadas como positivas pelo seu modelo.
Detalhes da métrica
A diferença de taxa de falsos positivos é uma métrica de avaliação de imparcialidade que pode ajudar a determinar se o seu ativo produz resultados tendenciosos.
Escopo
A métrica de diferença de taxa de falsos positivos avalia os ativos de IA generativa e os modelos de aprendizado de máquina.
- Tipos de ativos de IA :
- Modelos de prompt
- Modelos de aprendizado de máquina
- Tarefas de IA generativa : Classificação de texto
- Tipo de problema de aprendizado de máquina : Classificação binária
Pontuações e valores
A pontuação da métrica de diferença de taxa de falsos positivos indica a proporção da taxa de falsos positivos para os grupos monitorados e de referência.
- Faixa de valores : 0.0-1.0
- Melhor pontuação possível : 0.0
- Proporções :
- Abaixo de 0: menos falsos positivos no grupo monitorado
- Em 0: ambos os grupos têm chances iguais
- Acima de 0: Maior taxa de falsos positivos no grupo monitorado
Processo de avaliação
Para calcular a diferença da taxa de descoberta falsa, as matrizes de confusão são geradas para os grupos monitorados e de referência para identificar a quantidade de falsos positivos e verdadeiros negativos para cada grupo. Os valores de falso positivo e verdadeiro negativo são usados para calcular a taxa de falso positivo para cada grupo. A taxa de falsos positivos do grupo de referência é subtraída da taxa de falsos positivos do grupo monitorado para calcular a diferença da taxa de falsos positivos.
Fazer os cálculos
A fórmula a seguir é usada para calcular a taxa de falsos positivos (FPR):
A fórmula a seguir é usada para calcular a diferença da taxa de falsos positivos:
