當您準備用於模型訓練和評估的資料時，請務必 考量公平性問題並稽核可能 偏誤，也就是 並主動減輕影響，再將模型發布到正式環境。
哪裡可能有偏見？以下是您在資料集中應留意的紅色旗標。
缺少特徵值
如果資料集有一或多個特徵，且該特徵缺少某個大型特徵的值 或許是特定主要特徵的樣本 資料集的代表性不足
練習：隨堂測驗
您想要訓練模型來預測救援犬的可否率
在各種功能當中，包括品種、年齡、體重、體溫
以及每天的毛皮數量您的目標是確保模型
無論狗的身體為何，各種狗狗的表現都一樣好
行為特徵
這個訓練集的 5,000 個範例中有 1,500 個 缺少隨機性參數下列何者是可能的來源 你應該調查的偏誤？
某些品種的體溫資料較可能缺少溫度資料
狗
如果溫度資料是否與狗品種有關
這麼做可能會導致系統對
特定狗的品種
未滿 12 歲的狗狗更有可能缺少體溫資料
個月數
如果溫度資料是否與年齡相關：
這可能會導致
小狗還是成人狗
大城市中獲救的所有狗狗均缺少體溫資料。
乍看之下，這可能不是來源
不然，缺少的資料會影響到
城市，不受品種、年齡、體重等因素影響。
但我們還是需要考量狗的所在位置
能有效做為這些實體
舉例來說，如果來自大城市的狗
機率明顯高於鄉村地區狗狗的機率
導致採用率預測準確度降低
專為低階犬或特定小狗品種而設計
資料集內隨機缺少溫度資料。
如果體溫資料確實會隨機消失，那麼
都可能是潛在偏見不過，也有可能採用
資料似乎隨機遺失，但進一步調查
可能會顯示差異說明因此請務必
自行檢查並排除其他可能性
會假設資料落差是隨機的
非預期的特徵值
探索資料時，請一併尋找包含特徵值的範例 特別沒有特徵或異常這些未預期的功能 可能代表在資料收集或其他環節發生問題 可能引發偏誤的不準確
練習：隨堂測驗
請查看下列關於訓練救援犬的假設範例 採用率
| 品種 | 年齡 (年) | 體重 (磅) | 性情 | shedding_level |
|---|---|---|---|---|
| 玩具貴賓犬 | 2 | 12 | 興奮 | 低 |
| 黃金獵犬 | 7 | 65 | 平靜 | 高 |
| 拉布拉多獵犬 | 35 | 73 | 平靜 | 高 |
| 法國鬥牛犬 | 0.5 | 11 | 平靜 | 媒介 |
| 混合品種不明 | 4 | 45 | 興奮 | 高 |
| 巴吉度獵犬 | 9 | 48 | 平靜 | 媒介 |
您是否找出地圖項目資料是否有任何問題？
| 品種 | 年齡 (年) | 體重 (磅) | 性情 | shedding_level |
|---|---|---|---|---|
| 玩具貴賓犬 | 2 | 12 | 興奮 | 低 |
| 黃金獵犬 | 7 | 65 | 平靜 | 高 |
| 拉布拉多獵犬 | 35 | 73 | 平靜 | 高 |
| 法國鬥牛犬 | 0.5 | 11 | 平靜 | 媒介 |
| 混合品種不明 | 4 | 45 | 興奮 | 高 |
| 巴吉度獵犬 | 9 | 48 | 平靜 | 媒介 |
通過 Guinness World Records 驗證年齡的最古老狗 原本是 Bluey 住在 29 歲又 5 個月的澳大利亞牛仔犬考量到 拉布拉多獵犬其實是 35 歲，這似乎並不容易 因此記錄犬隻年齡的機率也較高 不準確 (像是狗狗實際上 3.5 歲)。這項錯誤可能導致 也代表資料集內年齡資料出現更廣泛的準確度問題 以便進一步調查
資料偏移
資料出現任何偏差問題，某些群組或特性可能是 相對地，比起現實世界市場 在您的模型中納入偏誤
稽核模型成效時，除了查看 ，不過為了按子群組細分結果。舉例來說 為確保公平性，我們決定 只要評估整體準確率我們也應該按子群組稽核成效 確保模型針對每個犬種、年齡層 大小群組。
在本單元的後續部分，我們會在「評估偏誤」部分 深入瞭解各種依據子群組評估模型的方法。