均等なオッズ

均等化オッズ^[1]は、条件付き手続き精度平等および不均衡な不当な扱いとも呼ばれ、機械学習における公平性の尺度です。保護されたグループと保護されていないグループの被験者の真陽性率と偽陽性率が等しく、^[2]次の式を満たす場合、分類器はこの定義を満たします。

$${\displaystyle P(R=+|Y=y,A=a)=P(R=+|Y=y,A=b)\quad y\in \{+,-\}\quad \forall a,b\in A}$$

たとえば、 は性別、人種、または偏見のない状態にしておきたいその他の特性である可能性があります。 は、その人が学位を取得する資格があるかどうかであり、出力は、その人に学位取得のための勉強を提供するかどうかの学校の決定です。 この文脈では、 の「ベース レート」がグループ間で異なる場合、同等のテスト スコアを持つ白人と比較してアフリカ系アメリカ人の大学入学率が高いことが、オッズ均等化の条件を満たすために必要になる場合があります。 ${\displaystyle A}$${\displaystyle Y}$${\displaystyle R}$${\displaystyle Y}$

この概念はもともとバイナリ値のために定義されました。2017年にウッドワースらは、この概念を複数のクラスにさらに一般化しました。^[3]${\displaystyle Y}$

• 公平性（機械学習）
• 色覚異常（人種分類）