评估机器学习模型时需要做的不仅仅是计算损失指标。务必要审核训练数据并评估预测结果是否存在偏差,然后再将模型部署到生产环境中。
本单元介绍了训练数据中可能会出现的不同类型的人为偏差,并提供了有关如何识别偏差并评估其影响的策略。
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?
- 青香蕉
- 未熟的香蕉

您看到了什么?
- 熟透的香蕉
- 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
- 思考具体问题
公平性设计
- 思考具体问题
- 请教专家
公平性设计
- 思考具体问题
- 请教专家
- 训练模型,使其将偏差纳入考虑范畴
公平性设计
- 思考具体问题
- 请教专家
- 训练模型,使其将偏差纳入考虑范畴
- 解读结果
公平性设计
- 思考具体问题
- 请教专家
- 训练模型,使其将偏差纳入考虑范畴
- 解读结果
- 在发布时提供背景信息