Een data scientist wil de vooroordelen (bias) van leningbedragdistributies vóór de training beoordelen, gerelateerd aan categorische variabelen (zoals leningtype en regio). Welke bias-metrics vóór de training moeten worden gebruikt om distributies te vergelijken? (Kies drie.)

De vraag vraagt om bias-metrics vóór de training die distributies vergelijken, specifiek voor leningbedragen gerelateerd aan categorische variabelen. Jensen-Shannon (JS) divergentie, Kullback-Leibler (KL) divergentie en Total Variation Distance (TVD) zijn alle drie statistische maten die de gelijkenis of het verschil tussen twee kansverdelingen kwantificeren. Ze zijn geschikt om te beoordelen of de verdeling van leningbedragen significant verschilt tussen verschillende categorieën (bijv. leningtypes of regio's), wat duidt op potentiële bias. Class imbalance meet de onevenwichtigheid in de verdeling van klassenlabels, niet de distributie van een continue variabele zoals leningbedragen. Conditional demographic disparity en Difference in label proportions zijn metrics die doorgaans na de training worden gebruikt om de impact van bias op modelprestaties of voorspellingen te evalueren, niet om de initiële distributies van continue variabelen te vergelijken.