데이터 과학자가 대출 유형 및 지역과 같은 범주형 변수와 관련된 대출 금액 분포에서 사전 훈련 편향을 평가하려고 합니다. 분포를 비교하는 데 사용해야 하는 사전 훈련 편향 지표는 무엇입니까? (3개 선택)

사전 훈련 편향은 데이터셋 내의 특정 그룹에 대한 불균형을 나타내며, 이는 모델의 예측에 영향을 미칠 수 있습니다. 범주형 변수와 관련된 대출 금액 분포의 편향을 평가하려면 두 분포 간의 차이를 측정하는 지표가 필요합니다. 젠슨-섀넌 발산(Jensen-Shannon divergence), 쿨백-라이블러 발산(Kullback-Leibler divergence), 총 변동 거리(Total variation distance)는 모두 두 확률 분포 간의 유사성 또는 차이를 측정하는 데 사용되는 통계적 거리 지표입니다. 이들은 특정 범주형 변수(예: 대출 유형, 지역)에 따른 대출 금액 분포가 전체 분포와 얼마나 다른지 정량화하여 편향을 식별하는 데 적합합니다. 클래스 불균형(Class imbalance)은 주로 분류 문제에서 클래스 간의 샘플 수 불균형을 나타내며, 분포의 차이를 직접 측정하는 지표는 아닙니다. 조건부 인구통계학적 불균형(Conditional demographic disparity)은 모델 예측의 편향을 측정하는 사후 훈련 지표에 가깝습니다. 레이블 비율 차이(Difference in label proportions)는 특정 레이블의 비율 차이를 측정하지만, 분포 전체의 차이를 포괄적으로 측정하지는 않습니다.