Специалист по данным хочет оценить предтренировочное смещение в распределениях сумм кредитов относительно категориальных переменных (таких как тип кредита и регион). Какие метрики предтренировочного смещения следует использовать для сравнения распределений? (Выберите три.)

Для оценки предтренировочного смещения в распределениях сумм кредитов относительно категориальных переменных (например, типа кредита и региона) используются метрики, сравнивающие вероятностные распределения. Дивергенция Кульбака-Лейблера (Kullback-Leibler divergence) измеряет, насколько одно распределение отличается от другого, но она несимметрична. Дивергенция Йенсена-Шеннона (Jensen-Shannon divergence) является симметричной и сглаженной версией KL-дивергенции, что делает ее более устойчивой. Метрика Total variation distance (расстояние по сумме отклонений) также измеряет максимальную разницу между вероятностями, присвоенными любым событиям двумя распределениями. Все три метрики подходят для сравнения распределений. Class imbalance (дисбаланс классов) — это метрика, описывающая неравномерное распределение классов, а не сравнение распределений. Conditional demographic disparity (условное демографическое неравенство) и Difference in label proportions (разница в долях меток) относятся к метрикам смещения после тренировки или к специфическим видам смещения, связанным с неравенством в предсказаниях или метках, а не с общим сравнением распределений признаков.