Bir ML uzmanı, SageMaker Clarify kullanarak eğitim verilerinde 40-55 yaş arası müşteriler için diğer yaş gruplarına göre belirgin şekilde daha az örnek olduğunu keşfetti. Bu gözlem, hangi tür eğitim öncesi veri yanlılığını temsil eder?

Sınıf dengesizliği (Class Imbalance), bir veri kümesindeki belirli bir sınıfın veya grubun, diğer sınıflara göre önemli ölçüde daha az örneğe sahip olması durumudur. Bu senaryoda, 40-55 yaş arası müşterilerin diğer yaş gruplarına göre belirgin şekilde daha az örneğe sahip olması doğrudan sınıf dengesizliğine işaret eder. Diğer seçenekler neden yanlış: Difference in proportions of labels (DPL), farklı gruplardaki etiket dağılımındaki farklılıkları ölçer, ancak burada sorun belirli bir grubun az temsil edilmesidir. Conditional demographic disparity (CDD), belirli bir koşul altında demografik gruplar arasındaki farklılıkları inceler. Kolmogorov–Smirnov (KS) testi, iki örnek dağılımının birbirinden farklı olup olmadığını belirlemek için kullanılan istatistiksel bir testtir, bir yanlılık türü değildir.