SageMaker Clarify を使用している ML スペシャリストは、トレーニングデータに 40 歳から 55 歳までの顧客の例が他の年齢層よりも著しく少ないことを発見しました。この観察は、どのような種類の事前トレーニングデータバイアスを表していますか？

このシナリオでは、特定の年齢層（40歳から55歳）の顧客データが他の年齢層に比べて著しく少ないという問題は、データセットにおける特定のグループの表現が不均一であることを示しており、これは「クラスの不均衡 (CI)」の典型的な例です。クラスの不均衡は、機械学習モデルのトレーニングにおいて、少数派クラスの予測性能を低下させる可能性があります。 「ラベルの比率の差 (DPL)」は、異なるグループ間でターゲットラベルの分布が異なる場合に適用されます。この問題は年齢層のデータ量に関するものであり、ラベルの分布に関するものではありません。「条件付き人口統計学的差異 (CDD)」は、特定の条件の下で異なる人口統計学的グループ間で予測結果に差があることを指しますが、これはモデルの出力に関するものであり、入力データの量に関するものではありません。「コルモゴロフ-スミルノフ (KS) 検定」は、2つの標本分布が同じであるかどうかを評価するための統計的検定であり、バイアスの種類そのものではありません。