如要以負責任的方式評估機器學習模型 (ML),需要執行超過 而是計算整體損失指標在實際工作環境中導入模型之前 請務必稽核訓練資料、評估 bias。
這個模組探討各種可能出現的人類偏誤。 訓練資料並提供辨識和緩解的策略 並根據公平性來評估模型成效
如要以負責任的方式評估機器學習模型 (ML),需要執行超過 而是計算整體損失指標在實際工作環境中導入模型之前 請務必稽核訓練資料、評估 bias。
這個模組探討各種可能出現的人類偏誤。 訓練資料並提供辨識和緩解的策略 並根據公平性來評估模型成效
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2024-08-16 (世界標準時間)。