ন্যায্যতা: পক্ষপাতের প্রকারগুলি

মেশিন লার্নিং (এমএল) মডেলগুলি সহজাতভাবে উদ্দেশ্যমূলক নয়। এমএল অনুশীলনকারীরা মডেলকে প্রশিক্ষণের উদাহরণের একটি ডেটাসেট খাওয়ানোর মাধ্যমে প্রশিক্ষণ দেয় এবং এই ডেটার বিধান এবং কিউরেশনে মানুষের অংশগ্রহণ একটি মডেলের ভবিষ্যদ্বাণীকে পক্ষপাতের জন্য সংবেদনশীল করে তুলতে পারে।

মডেলগুলি তৈরি করার সময়, আপনার ডেটাতে প্রকাশ করতে পারে এমন সাধারণ মানুষের পক্ষপাত সম্পর্কে সচেতন হওয়া গুরুত্বপূর্ণ, যাতে আপনি তাদের প্রভাবগুলি হ্রাস করার জন্য সক্রিয় পদক্ষেপ নিতে পারেন।

পক্ষপাত প্রতিবেদন করা

ঐতিহাসিক পক্ষপাত

অটোমেশন পক্ষপাত

নির্বাচনের পক্ষপাতিত্ব

নির্বাচনের পক্ষপাত ঘটবে যদি একটি ডেটাসেটের উদাহরণ এমনভাবে বেছে নেওয়া হয় যা তাদের বাস্তব-বিশ্ব বিতরণের প্রতিফলন না করে। নির্বাচনের পক্ষপাতিত্ব কভারেজ পক্ষপাত, অ-প্রতিক্রিয়া পক্ষপাত এবং স্যাম্পলিং পক্ষপাত সহ বিভিন্ন রূপ নিতে পারে।

কভারেজ পক্ষপাত

অ-প্রতিক্রিয়া পক্ষপাতিত্ব

স্যাম্পলিং পক্ষপাত

গ্রুপ অ্যাট্রিবিউশন পক্ষপাত

গ্রুপ অ্যাট্রিবিউশন বায়াস হল একটি সাধারণীকরণের একটি প্রবণতা যা ব্যক্তিদের ক্ষেত্রে তারা যে সমস্ত গোষ্ঠীর সাথে সম্পর্কিত তাদের সম্পর্কে সত্য। গ্রুপ অ্যাট্রিবিউশন পক্ষপাত প্রায়শই নিম্নলিখিত দুটি ফর্মে প্রকাশ পায়।

ইন-গ্রুপ পক্ষপাত

আউট-গ্রুপ একজাতীয়তা পক্ষপাত

অন্তর্নিহিত পক্ষপাত

নিশ্চিতকরণ পক্ষপাতিত্ব

এক্সপেরিমেন্টারের পক্ষপাত

অনুশীলন: আপনার বোঝার পরীক্ষা করুন

নিচের কোন ধরনের পক্ষপাতিত্ব ভূমিকায় বর্ণিত কলেজ ভর্তি মডেলের তির্যক ভবিষ্যদ্বাণীতে অবদান রাখতে পারে?
নিশ্চিতকরণ পক্ষপাতিত্ব
ইন-গ্রুপ পক্ষপাত
ঐতিহাসিক পক্ষপাত
অটোমেশন পক্ষপাত