本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 廣義熵 (GE)
<a name="clarify-post-training-bias-metric-ge"></a>

廣義熵指數 (GE) 測量與觀察到的標籤相比，預測標籤的效益`b`不平等。當預測為偽陽性時，會出現效益。當負面觀測 (y=0) 具有正面預測 (y'=1) 時，就會發生偽陽性。當觀察標籤和預測標籤相同 (也稱為真陽性和真陰性) 時，也會出現效益。當預測為偽陰性時，不會出現效益。當正面觀測 (y=1) 預測會有負面結果 (y'=0) 時，就會出現偽陰性。效益`b`的定義如下。

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

使用此定義時，偽陽性會收到 `2` 的效益 `b`，而偽陰性會收到 `0` 的效益。真正值和真負值都會獲得`1`的效益。

GE 指標的計算方式是遵循[廣義熵指數](https://en.wikipedia.org/wiki/Generalized_entropy_index) (GE)，且權重`alpha`設定為`2`。此權重控制對不同效益值的敏感度。較小`alpha`表示對較小值的敏感度增加。

![\[方程式用 alpha 參數設定為 2 定義廣義熵指數。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/clarify-post-training-bias-metric-ge.png)


以下用於計算 GE 的變數定義如下：
+ bi 是由`ith`資料點獲得的效益。
+ b' 是所有效益的平均值。

GE 的範圍可以介於 0 到 0.5 之間，其中零值表示所有資料點的效益不平等。當所有輸入都正確預測或所有預測都為偽陽性時，即會發生這種情況。當所有預測都是偽陰性時，GE 是未定義的。

**注意**  
指標 GE 不依賴於有利或不利的構面值。