As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Diferença de especificidade (SD)
<a name="clarify-post-training-bias-metric-sd"></a>

A diferença de especificidade (SD) é a diferença na especificidade entre a faceta favorecida *a* e a faceta desfavorecida *d*. A especificidade mede a frequência com que o modelo prevê corretamente um resultado negativo (y'=0). Qualquer diferença nessas especificidades é uma forma potencial de desvio. 

A especificidade é perfeita para uma faceta se todos os casos y=0 forem previstos corretamente para essa faceta. A especificidade é maior quando o modelo minimiza os falso-positivos, conhecidos como erro do Tipo I. Por exemplo, a diferença entre uma baixa especificidade para emprestar para a faceta *a* e a alta especificidade para emprestar para a faceta *d*, é uma medida de desvio em relação à faceta *d*.

A fórmula a seguir é para a diferença na especificidade das facetas *a* e *d*.

        SD = TNd/(TNd \+ FPd) - TNa/(TNa \+ FPa) = TNRd - TNRa

As seguintes variáveis usadas para calcular a SD são definidas da seguinte forma:
+ TNd são os negativos verdadeiros previstos para a faceta *d*.
+ FPd são os falso-positivos previstos para a faceta *d*.
+ TNd são os negativos verdadeiros previstos para a faceta *a*.
+ FPd são os falso-positivos previstos para a faceta *a*.
+ TNRa = TNa/(TNa \+ FPa) é a taxa negativa verdadeira, também conhecida como especificidade, para a faceta *a*.
+ TNRd = TNd/(TNd \+ FPd) é a taxa negativa verdadeira, também conhecida como especificidade, para a faceta *d*.

Por exemplo, considere as seguintes matrizes de confusão para as facetas *a* e *d*:

Matriz de confusão para a faceta `a` favorecida


| Previsões de classe a | Resultado real 0 | Resultado real 1 | Total  | 
| --- | --- | --- | --- | 
| 0 | 20 | 5 | 25 | 
| 1 | 10 | 65 | 75 | 
| Total | 30 | 70 | 100 | 

Matriz de confusão para a faceta `d` desfavorecida


| Previsões de classe d | Resultado real 0 | Resultado real 1 | Total  | 
| --- | --- | --- | --- | 
| 0 | 18 | 7 | 25 | 
| 1 | 5 | 20 | 25 | 
| Total | 23 | 27 | 50 | 

O valor da diferença de especificidade é `SD = 18/(18+5) - 20/(20+10) = 0.7826 - 0.6667 = 0.1159`, o que indica um desvio contra a faceta *d*.

O intervalo de valores para a diferença de especificidade entre as facetas *a* e *d* para classificação binária e multicategórica é `[-1, +1]`. Esta métrica não está disponível para o caso de rótulos contínuos. Aqui está o que os diferentes valores de SD implicam:
+ Valores positivos são obtidos quando há maior especificidade para a faceta *d* do que para a faceta *a*. Isso sugere que o modelo encontra menos falso-positivos para a faceta *d* do que para a faceta *a*. Um valor positivo indica um desvio em relação à faceta *d*. 
+ Valores próximos de zero indicam que a especificidade das facetas que estão sendo comparadas é semelhante. Isso sugere que o modelo encontra um número semelhante de falso-positivos em ambas as facetas e não é tendencioso.
+ Valores positivos são obtidos quando há maior especificidade para a faceta *a* do que para a faceta *d*. Isso sugere que o modelo encontra mais falso-positivos para a faceta *a* do que para a faceta *d*. Um valor negativo indica um desvio em relação à faceta *a*.