ML 엔지니어가 30~60세 연령을 특징으로 포함하여 이진 건강 위험 모델(양성 = 위험 가능성 높음, 음성 = 위험 가능성 낮음)을 훈련하고 있습니다. 양성 클래스에 대한 레이블 비율 차이(DPL)는 40~45세 연령 그룹에서 다른 연령대에 비해 +0.9로, 과대 대표를 나타냅니다. 엔지니어는 이 불균형을 어떻게 수정해야 할까요?

DPL(Disparate Proportionality of Labels)이 +0.9라는 것은 40~45세 연령 그룹에서 양성 클래스의 비율이 다른 연령 그룹에 비해 0.9만큼 더 높다는 의미입니다. 이는 해당 그룹이 양성 클래스에서 과대 대표되고 있음을 나타냅니다. 이 불균형을 해결하고 공정성을 개선하려면 과대 대표되는 그룹의 양성 예시 수를 줄여야 합니다. 따라서 40~45세 연령 그룹의 양성 예시를 언더샘플링하여 다른 연령 그룹과의 비율 차이를 줄이는 것이 올바른 방법입니다. 오버샘플링은 불균형을 더욱 심화시키고, 다른 연령 그룹의 데이터를 조작하는 것은 특정 그룹의 과대 대표 문제를 직접적으로 해결하지 못합니다.