公平性: 知識をテストする | Google for Developers

正誤問題: 過去のバイアスは、古いデータでモデルをトレーニングしたときに発生する。

True

False

正しいと思われる解答をすべて選択してください。

40,000 のトレーニングサンプルのうち約 4,000 に、特徴「サービングサイズ」の値が欠けていました。

約 5,000 件のトレーニングサンプルはインペリアル単位（オンス、ポンドなど）で測定し、他の 35,000 件のサンプルはメートル単位（グラム、リットルなど）で測定しました。

40,000 個のトレーニング用サンプルのうち約 100 個で、正しくない可能性が高い成分値がありました（例:100 スティックのバター）。

一部の人気の食事については、他の一般的な食事と比較してトレーニングデータで過小評価されていました（例: ドーサのトレーニングサンプルは 200 件だが、ピザについては 10 件のみ）。

モデルのテストセットのパフォーマンスに関する以下の説明のうち、正しいものはどれですか。

正しいと思われる解答をすべて選択してください。

このモデルは、未成年のサンプルよりも成人のサンプルのほうが優れたパフォーマンスを発揮します。

大人から送信された 10,000 件のメッセージはクラス不均衡なデータセットです。

未成年者が送信した 10,000 件のメッセージはクラス不均衡なデータセットです。

未成年者が送信するメッセージの約 50% は、誤って「皮肉」に分類されています。

このモデルは、未成年者の皮肉なメッセージの約 50% を「皮肉的」に分類できません。

正しいと思われる解答をすべて選択してください。

このモデルは「皮肉的」な予測を過度に行っています。その結果、未成年者を分類する際のエラーが増えることになります。テストセットには未成年者からの皮肉なメッセージが多いため。

このモデルは、大人のものよりも未成年者のネガティブな（皮肉的ではない）例で評価されたため、未成年者の誤差が多くなりました。

未成年のテキストメッセージの皮肉はわかりにくいため、モデルによってフラグが付けられる可能性が低くなります。

大人が発信する実際の皮肉なメッセージは、未成年者が発信するよりもはるかに少ないです。よりクラスバランスの取れた大人のメッセージセットでモデルが評価された場合、そのサブグループの再現率が低下する可能性があります。

モデルの使用を、未成年者から送信されたテキストメッセージに制限します。

モデルの出力を調整し、モデルが最初に予測した内容に関係なく、未成年者から送信されたすべてのテキストメッセージに対して「皮肉」が返されるようにします。

未成年から送信されたテキストメッセージに対してモデルが「皮肉ではない」と予測した場合は、モデルが代わりに「わからない」という値を返すように出力を調整します。