Un científico de datos desea evaluar el sesgo de preentrenamiento en las distribuciones del monto del préstamo en relación con variables categóricas (como el tipo de préstamo y la región). ¿Qué métricas de sesgo de preentrenamiento se deben usar para comparar distribuciones? (Elija tres.)

Para evaluar el sesgo de preentrenamiento en distribuciones de variables categóricas, se necesitan métricas que cuantifiquen la diferencia entre estas distribuciones. La Divergencia de Kullback-Leibler (KL) mide cuánto se desvía una distribución de probabilidad de otra, siendo cero si son idénticas. La Divergencia de Jensen-Shannon (JS) es una versión suavizada y simétrica de la KL, útil cuando se comparan múltiples distribuciones o cuando la KL podría ser infinita. La Distancia de Variación Total (TVD) es una métrica simple que representa la máxima diferencia posible entre las probabilidades de cualquier evento en las dos distribuciones. El desequilibrio de clases se refiere a la proporción de clases en el conjunto de datos, no a la comparación de distribuciones entre grupos. La disparidad demográfica condicional evalúa el sesgo después del entrenamiento, comparando las tasas de resultados favorables entre grupos, no las distribuciones de preentrenamiento. La diferencia en las proporciones de etiquetas es una métrica de sesgo de post-entrenamiento, que mide la diferencia en la tasa de etiquetas positivas entre grupos protegidos.