评估机器学习模型时，您需要做的不仅仅是计算损失指标。在将模型投入生产之前，审核训练数据并评估预测结果是否存在偏差至关重要。
本单元介绍训练数据中可能会出现的不同类型的人为偏差。然后提供了一些策略来识别和评估它们的影响。
公平性
您看到了什么？
您看到了什么？
- 香蕉
您看到了什么？
- 香蕉
- 贴纸
您看到了什么？
- 香蕉
- 贴纸
- 货架上的香蕉
您看到了什么？
- 绿色香蕉
- 未熟的香蕉
您看到了什么？
- 过度使用香蕉
- 适合做香蕉面包
您看到了什么？
黄色香蕉
黄色是香蕉的典型特征
公平性设计
公平性设计
- 考虑问题
公平性设计
- 考虑问题
- 询问专家
公平性设计
- 考虑问题
- 询问专家
- 训练模型以将偏差考虑在内
公平性设计
- 考虑问题
- 询问专家
- 训练模型以将偏差考虑在内
- 解读结果
公平性设计
- 考虑问题
- 询问专家
- 训练模型以将偏差考虑在内
- 解读结果
- 结合背景信息发布