기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 대우 평등(TE) 대우 평등(TE)은 패싯* a*와 패싯 *d* 사이에서 나타나는 거짓 부정 대 거짓 긍정 비율의 차이입니다. 이 지표의 핵심 개념은 여러 그룹 간의 정확도가 동일하더라도 오류 발생 시 다른 그룹에 비해 특정 그룹에 더 많은 피해가 발생하는지 여부를 평가하는 것입니다. 오류율은 거짓 긍정과 거짓 부정의 합계를 통해 계산되지만, 두 종류의 오류를 자세히 살펴보면 패싯에 따라 매우 다른 양상이 나타날 수 있습니다. TE는 여러 패싯에서 오류가 유사한 방식으로 보정되는지 아니면 다른 방식으로 보정되는지를 측정합니다. 대우 평등을 구하는 공식:         TE = FNd/FPd - FNa/FPa 위치: + FNd은 패싯 *d*에 대해 예측된 거짓 부정입니다. + FPd는 패싯 *d*에 대해 예측된 거짓 긍정입니다. + FNa은 패싯 *a*에 대해 예측된 거짓 부정입니다. + FPa는 패싯 *a*에 대해 예측된 거짓 긍정입니다. 참고로 FPa 또는 FPd가 0이면 지표에 제한이 없습니다. 예를 들어, 패싯 *a*에는 100명의 대출 신청자가 있고 패싯 *d*에는 50명의 대출 신청자가 있다고 가정해 보겠습니다. 패싯 *a*에서는 8건의 대출이 잘못 거부되었고(FNa), 다른 6건은 잘못 승인되었습니다(FPa). 나머지 예측은 참이었으므로, TPa \+ TNa = 86이 됩니다. 패싯 *d*에서는 5건의 대출이 잘못 거부되었고(FNd), 2건은 잘못 승인되었습니다(FPd). 나머지 예측은 참이었으므로, TPd \+ TNd = 43이 됩니다. 거짓 부정 대 거짓 긍정의 비율은 패싯 *a*의 경우 8/6 = 1.33이고 패싯 *d*의 경우 5/2 = 2.5입니다. 따라서 두 패싯의 정확도가 같더라도 TE = 2.5 - 1.33 = 1.167이 됩니다.         ACCa = (86)/(86\+ 8 \+ 6) = 0.86         ACCd = (43)/(43 \+ 5 \+ 2) = 0.86 바이너리 및 멀티카테고리 패싯 레이블에 대한 조건부 거부 건수 차이의 값 범위는 (-∞, \+∞)입니다. 연속형 레이블에 대해서는 TE 지표가 정의되지 않습니다. 이 지표의 해석은 거짓 긍정(제1종 오류)과 거짓 부정(제2종 오류) 사례의 상대적 중요도에 따라 달라집니다. + 양수 값은 패싯 *d*에 대한 거짓 부정과 거짓 긍정의 비율이 패싯 *a*에서의 비율보다 클 때 얻어집니다. + 0에 가까운 값은 패싯 *a*에 대한 거짓 부정과 거짓 긍정의 비율이 패싯 *d*에서의 비율과 비슷한 수준일 때 얻어집니다. + 음수 값은 패싯 *d*에 대한 거짓 부정과 거짓 긍정의 비율이 패싯 *a*에서의 비율보다 작을 때 얻어집니다. **참고** 이전 버전에서는 대우 평등 지표가 FNd / FPd - FNa / FPa가 아닌 FPa / FNa - FPd / FNd으로서 계산된다고 나와 있습니다. 두 버전 모두 사용이 가능합니다. 자세한 내용은 [https://pages.awscloud.com/rs/112-TZM-766/images/Fairness.Measures.for.Machine.Learning.in.Finance.pdf](https://pages.awscloud.com/rs/112-TZM-766/images/Fairness.Measures.for.Machine.Learning.in.Finance.pdf) 단원을 참조하십시오.