Analityk danych chce ocenić stronniczość przedtreningową w rozkładach kwot pożyczek w odniesieniu do zmiennych kategorialnych (takich jak typ pożyczki i region). Które metryki stronniczości przedtreningowej należy zastosować do porównania rozkładów? (Wybierz trzy.)

Analityk danych potrzebuje metryk do porównania rozkładów kwot pożyczek w różnych grupach kategorialnych, aby ocenić stronniczość przedtreningową. Dywergencja Kullbacka-Leiblera (KL) mierzy, jak bardzo jeden rozkład prawdopodobieństwa różni się od drugiego. Dywergencja Jensena-Shannona (JS) jest symetryczną i wygładzoną wersją dywergencji KL, co czyni ją bardziej stabilną, szczególnie gdy jeden z rozkładów ma zerowe prawdopodobieństwo. Odległość całkowitej wariacji (Total Variation Distance) to kolejna metryka, która kwantyfikuje maksymalną różnicę w prawdopodobieństwie przypisanym do dowolnego zdarzenia przez dwa rozkłady. Wszystkie te trzy metryki są odpowiednie do porównywania rozkładów prawdopodobieństwa. Class imbalance (nierównowaga klas) i Difference in label proportions (różnica w proporcjach etykiet) są metrykami używanymi do oceny stronniczości w etykietach klasyfikacyjnych lub do porównywania proporcji etykiet między grupami, a nie do porównywania rozkładów zmiennych ciągłych, takich jak kwoty pożyczek. Conditional demographic disparity (warunkowa dysproporcja demograficzna) jest metryką stronniczości post-treningowej, która ocenia, czy model działa sprawiedliwie w różnych grupach demograficznych po uwzględnieniu innych zmiennych, a nie metryką do porównywania rozkładów przed treningiem.