Відповіді0 / 8
правильних: 0
Питання 1 / 8
Що саме вимагає критерій Equality of Odds?
Чому так. Означення P(Ŷ=1 | Y=y, A=a) = P(Ŷ=1 | Y=y, A=b) для всіх y розписується у дві рівності: при y = 1 це TPR, при y = 0 це FPR. Однакова частка прийнятих — це інший критерій, демографічний паритет: у ньому немає умови на Y узагалі.
Питання 2 / 8
Модель A: EO-розрив 0.00, точність 0.63. Модель B: розрив 0.04, точність 0.82. Яку брати?
Чому так. Ліниві розвʼязки — прийняти всіх або нікого — дають рівно нульовий розрив і нікому не потрібні: модель просто не робить різниці ні між ким. У практиці поріг 0 дає розрив 0.0000 при точності 0.42. Тому метрику справедливості завжди читають у парі з метрикою якості.
Питання 3 / 8
Ви прибрали з датасету стовпець «група». Що станеться з нерівномірністю?
Чому так. У практиці після видалення стовпця групи окрема модель усе одно вгадує групу з точністю 0.86 за одним лише «нейтральним» районом, а розриви лишаються (ΔTPR = 0.19, ΔFPR = 0.20). Прибравши явний стовпець, ми не прибрали інформацію — лише позбавили себе можливості її виміряти.
Питання 4 / 8
Чому TPR і FPR порівнюють між групами, а абсолютну кількість помилок — ні?
Чому так. TPR ділиться на кількість тих, хто має Y = 1, FPR — на кількість тих, хто має Y = 0. Розмір групи скорочується, і величини стають порівнюваними. Більша група дасть більше помилок просто тому, що вона більша — це нічого не каже про справедливість.
Питання 5 / 8
Теорема про несумісність каже, що каліброваність, рівність TPR і рівність FPR не можна виконати одночасно. За яких умов?
Чому так. З тотожності PPV = p·TPR / (p·TPR + (1−p)·FPR) видно все: якщо EO виконано, TPR і FPR однакові, і PPV лишається функцією тільки базової ставки p. Різні p — різний PPV. Коли ж базові ставки збігаються, конфлікту немає: у практиці мінімум розриву PPV припадає рівно на точку, де ставка B дорівнює ставці A.
Питання 6 / 8
У задачі про кредит найболючіша помилка — відмовити платоспроможному. Який критерій обрати?
Чому так. Equal opportunity — це половина EO для y = 1: серед тих, хто справді заслуговує позитивного рішення, шанс отримати його не залежить від групи. Оскільки FNR = 1 − TPR, рівні TPR означають рівні частки помилкових відмов. Predictive equality (рівні FPR) доречна там, де шкодить, навпаки, помилкове включення — наприклад, хибне спрацювання системи контролю.
Питання 7 / 8
ROC-крива групи A лежить усюди вище за ROC групи B. Що це означає для EO?
Чому так. EO геометрично означає, що точки (FPR, TPR) двох груп мають збігтися — а це можливо лише на перетині кривих. Якщо перетинів немає, крім вироджених кутів (0,0) і (1,1), лишається погіршити кращий класифікатор. Такий випадок трапляється, коли для однієї групи модель слабша через брак даних — і правильна відповідь тут лежить у поверненні до збору даних, а не в оптимізації.
Питання 8 / 8
Чому точність під обмеженням справедливості завжди не більша за точність без нього?
Чому так. Це чиста логіка оптимізації, а не властивість даних. У практиці це видно на кривій: максимальна точність зростає з 0.8237 при жорсткому допуску до 0.8300 без обмеження — крива неспадна. Наскільки велика ця ціна — питання емпіричне: тут вона склала лише 0.6 відсоткового пункту.