補償機率

補償機率^[1]（英語：Equalized odds^[2]），又稱均等化賠率和差異性錯誤處理，是機器學習中衡量公平性的一種方法。如果受保護組和未受保護組的被試者的真陽率和假陽率相等^[3]，滿足以下公式，則分類器滿足這一定義：

$${\displaystyle P(R=+|Y=y,A=a)=P(R=+|Y=y,A=b)\quad y\in \{+,-\}\quad \forall a,b\in A}$$

舉一個例子，${\displaystyle A}$可以為性別、種族等我們希望沒有偏見的特徵，而${\displaystyle Y}$為該人是否能夠勝任學位，輸出${\displaystyle R}$則為學校決定是否給予該人入讀學位。在這語境下，獲得同樣考試成績的美國黑人的大學入讀率比白人的大學入讀率高也可以符合補償機率的條件。

最初，這個概念是針對二元類的定義。2017年，Blake Woodworth進一步將該概念推廣為多類^[4]。

參考條目

• 公平
• 色盲 (種族分類)