Usando o SageMaker Clarify, um especialista em ML descobriu que os dados de treinamento têm visivelmente menos exemplos para clientes com idade entre 40 e 55 anos do que para outras faixas etárias. Que tipo de viés de dados de pré-treinamento essa observação representa?

A observação de que há visivelmente menos exemplos para clientes com idade entre 40 e 55 anos do que para outras faixas etárias representa um desequilíbrio de classe (CI). Isso ocorre quando uma ou mais classes (neste caso, a faixa etária de 40 a 55 anos) têm significativamente menos amostras do que outras no conjunto de dados de treinamento. Esse tipo de viés pode levar o modelo a ter um desempenho inferior na previsão para a classe sub-representada. Diferença nas proporções de rótulos (DPL) refere-se a disparidades na distribuição de rótulos entre diferentes grupos protegidos, não diretamente ao número de exemplos de uma classe. Disparidade demográfica condicional (CDD) é uma métrica de justiça que avalia se a probabilidade de um resultado favorável é a mesma entre diferentes grupos, condicionada a outras variáveis. O Teste de Kolmogorov-Smirnov (KS) é um teste estatístico para comparar distribuições de probabilidade, não um tipo de viés.