Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Lp-norma (LP)
<a name="clarify-data-bias-metric-lp-norm"></a>

pL-norma (LP) mengukur jarak p-norma antara distribusi faset dari label yang diamati dalam kumpulan data pelatihan. Metrik ini non-negatif sehingga tidak dapat mendeteksi bias terbalik. 

Rumus untuk p norma L adalah sebagai berikut: 

        L p (Pa, Pd) = (Σ y \|\|P a - P d \|\| p) 1/p

Dimana jarak p-norma antara titik x dan y didefinisikan sebagai berikut:

        L p (x, y) = (\|x 1 -y 1 \| p \+ \|x -y \| p \+... n \+\|x 2 -y 2 \| p) n 1/p 

Norma 2 adalah norma Euclidean. Asumsikan Anda memiliki distribusi hasil dengan tiga kategori, misalnya, y i = {y0, y1, y2} = {diterima, daftar tunggu, ditolak} dalam skenario multikategori penerimaan perguruan tinggi. *Anda mengambil jumlah kuadrat perbedaan antara jumlah hasil untuk aspek *a* dan d.* Jarak Euclidean yang dihasilkan dihitung sebagai berikut:

        L 2 (Pa, Pd) = [(n a (0) - n d (0)) 2 \+ (n a (1) - n d (1)) 2 \+ (n a (2) - n d (2)) 2] 1/2

Di mana: 
+ n a (i) adalah jumlah hasil kategori ith dalam segi *a*: misalnya n a (0) adalah jumlah faset *a yang* diterima.
+ n d (i) adalah jumlah hasil kategori ith dalam segi *d*: misalnya n d (2) adalah jumlah penolakan faset *d*.

  Rentang nilai LP untuk hasil biner, multikategori, dan kontinu adalah [0, √2), di mana:
  + Nilai mendekati nol berarti label didistribusikan dengan cara yang sama.
  + Nilai positif berarti distribusi label menyimpang, semakin positif semakin besar divergensi.