Utilizzando SageMaker Clarify, uno specialista di ML ha scoperto che i dati di training presentano un numero notevolmente inferiore di esempi per i clienti di età compresa tra 40 e 55 anni rispetto ad altre fasce d'età. Che tipo di bias dei dati di pre-training rappresenta questa osservazione?

La risposta corretta è Class imbalance (CI). Il bias di sbilanciamento delle classi (Class Imbalance) si verifica quando alcune classi o gruppi demografici (in questo caso, la fascia d'età 40-55 anni) sono sottorappresentati nei dati di training rispetto ad altri. Questo può portare a modelli che performano peggio per i gruppi sottorappresentati. Difference in proportions of labels (DPL) misura se la proporzione di etichette positive è significativamente diversa tra gruppi protetti e non protetti, non lo sbilanciamento della rappresentazione dei dati. Conditional demographic disparity (CDD) valuta le differenze di prestazioni del modello tra gruppi, condizionate su altre caratteristiche, non la distribuzione iniziale dei dati. Il Kolmogorov–Smirnov (KS) test è un test statistico per confrontare le distribuzioni di due campioni o un campione con una distribuzione teorica, non un tipo di bias specifico.