召回差異 (RD)

召回差異 (RD) 指標是有利構面 a 和不利構面 d 之間模型的召回差異。這些召回中的任何差異都是一種潛在的偏差形式。召回是真陽性率 (TPR)，其測量模型多久正確預測應該得到一個正值結果的情況。如果所有 y=1 情況都正確預測為該構面的 y'=1，那麼召回對於構面來說是完美的。當模型最小化稱為第二型錯誤的偽陰性時，召回更大。例如，模型會正確偵測到兩個不同組（構面 a 和 d）中有多少人符合貸款資格？ 如果貸給構面 a 的召回率很高，但貸給構面 d 的召回率低，則差異提供了對屬於構面 d 組的偏差指標。

構面 a 和 d 的召回率差異的公式：

        RD = TP_a/(TP_a + FN_a) - TP_d/(TP_d + FN_d) = TPR_a - TPR_d

其中：

• TP_a 是構面 a 預測的真陽性。

• FN_a 是構面 a 預測的偽陰性。

• TP_d 是構面 d 預測的真陽性。

• FN_d 是構面 d 預測的偽陰性。

• TPR_a = TP_a/(TP_a + FN_a) 是構面 a 的召回，或其真陽性率。

• TPR_d = TP_d/(TP_d + FN_d) 是構面 d 的召回，或其真陽性率。

例如，請考慮下列構面 a 和 d 的混淆矩陣。

混淆矩陣針對有利構面 a
類別 a 預測	實際結果 0	實際結果 1	總計
0	20	5	25
1	10	65	75
總計	30	70	100

混淆矩陣針對不利構面 d
類別 d 預測	實際結果 0	實際結果 1	總計
0	18	7	25
1	5	20	25
總計	23	27	50

召回差異的值是 RD = 65/70 - 20/27 = 0.93 - 0.74 = 0.19，這顯示對構面 d 的偏差。

二進位和多類別分類的構面 a 和 d 之間的召回差異值範圍是 [-1, +1]。此指標不適用於連續性標籤的情況。

• 當構面 a 的召回率高於構面 d 時，會獲得正值。這表明模型在構面 a 找到更多真陽性，而不是構面 d，此為一種偏差形式。

• 接近零的值顯示正在比較構面的召回類似。這表明模型在這兩個構面中發現大約相同數目的真陽性，並且沒有偏差。

• 當構面 d 的召回率高於構面a 時，會獲得負值。這表明模型在構面 d 找到更多真陽性，而不是構面 a，此為一種偏差形式。