FairnessDrift.__init__

FairnessDrift.__init__(fair_metrics_curr, config_threshold=None)

Inizializza la classe FairnessDrift, configurando le metriche di fairness correnti e le soglie di monitoraggio per le metriche di fairness.

La classe valida i dati di input, gestisce la configurazione delle soglie, identifica le metriche di fairness comuni tra quelle fornite e quelle configurate, e inizializza un DataFrame assegnandolo all’attributo report_reduced contenente le informazioni strutturali (variabili, gruppi) e i valori delle performance correnti per le metriche di fairness.

Parameters:

• fair_metrics_curr (dict) – Dizionario contenente le metriche correnti di fairness. Ogni chiave rappresenta una metrica e ogni valore è un altro dizionario che contiene le performance per ciascun gruppo di fairness.

• config_threshold (dict, opzionale) –

  Dizionario contenente le soglie per ciascuna metrica di fairness. Se non fornito, vengono usate le soglie predefinite presenti all’interno del file params.yml, così strutturato:

  • logic: Specifica come interpretare il cambiamento della metrica ai fini del drift (vedi ‘Logiche di Drift Configurabili’ in FairnessDrift).

  • axial_point: Il punto di riferimento numerico usato solo quando logic è impostato su ‘axial’.

  • relative: Contiene le soglie per il drift delle metriche di fairness.

    • red/yellow: Soglie di variazione percentuale rispetto al valore storico.

    • absolute_tol: Valore di tolleranza assoluta utilizzato per prevenire che valori molto piccoli possano causare drift apparentemente grandi nelle metriche.

  • absolute: Contiene le soglie assolute per le performance delle metriche di fairness dei valori correnti.

    • red/yellow: Valori numerici o intervalli (liste di due float [min, max]) che definiscono le soglie assolute per il valore corrente della metrica.

  Default: None.