一个安全摄像头ML系统不成比例地标记了某个特定族群的人。造成这种不公平结果的偏见是哪种类型？

当训练数据不能代表所有潜在用户或场景时，就会出现抽样偏差。在这种情况下，如果训练数据中某个特定族群的图像不足或不具代表性，ML系统在识别该族群时就会表现不佳或产生不公平的标记，导致不成比例的结果。 测量偏差是指数据收集或测量过程中存在系统性错误，例如传感器校准不当。观察者偏差是指观察者根据个人期望或信念影响结果。确认偏差是指倾向于寻找或解释信息以证实现有信念。这些偏差类型与安全摄像头ML系统不成比例地标记特定族群的问题不符。