翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# 一般化エントロピー (GE)
<a name="clarify-post-training-bias-metric-ge"></a>

一般化エントロピー指数 (GE) は、予測ラベルと観測ラベルの利益 `b` の差を測定します。偽陽性が予測されると利益が生じます。偽陽性は、陰性の観測 (y=0) に陽性の予測 (y'=1) がある場合に発生します。また、観測ラベルと予測ラベルが同じ場合、つまり真陽性と真陰性とも呼ばれる場合にも利益が生じます。偽陰性が予測された場合には利益は生じません。偽陰性は、陽性の観測 (y=1) が陰性の結果 (y'=0) になると予測される場合に発生します。利益 `b` は次のように定義されます。

```
 b = y' - y + 1
```

この定義を使用すると、偽陽性は `2` の利益 `b` を受け、偽陰性は `0` の利益を受けます。真陽性と真陰性はどちらも `1` の利益を受けます。

GE メトリクスは、重み `alpha` を `2` に設定した[一般化エントロピー指数](https://en.wikipedia.org/wiki/Generalized_entropy_index) (GE) に従って計算されます。この重みによって、さまざまな利益値に対する感度が決まります。`alpha` が小さいほど、小さい値に対する感度が高くなります。

![アルファパラメータを 2 に設定した一般化エントロピー指数を定義する方程式。](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/clarify-post-training-bias-metric-ge.png)


GE の計算に使用される以下の変数は、次のように定義されます。
+ bi は `ith` データポイントが受ける利益です。
+ b' はすべての利益の平均です。

GE の範囲は 0～0.5 で、値がゼロの場合はすべてのデータポイントで利益に不平等がないことを示します。これは、すべての入力が正しく予測された場合か、すべての予測が偽陽性の場合に発生します。すべての予測が偽陰性の場合、GE は未定義です。

**注記**  
GE というメトリクスは、ファセット値が有利か不利かには依存しません。