โมเดลแมชชีนเลิร์นนิงไม่ได้มีวัตถุประสงค์เพื่ออะไร วิศวกรจะฝึกโมเดลโดยป้อนชุดข้อมูลตัวอย่างการฝึกอบรม และการใช้ความพยายามของมนุษย์ในการจัดสรรและการดูแลจัดการข้อมูลนี้อาจทําให้โมเดลมีความโน้มเอียงที่จะคํานึงถึงอคติ
เมื่อสร้างโมเดล คุณควรตระหนักถึงอคติของมนุษย์ที่พบบ่อยซึ่งอาจทําให้เราจัดการข้อมูลของคุณได้ เพื่อให้สามารถดําเนินการในเชิงรุกเพื่อบรรเทาผลกระทบของพวกเขาได้
การให้น้ําหนักการรายงาน
การให้น้ําหนักพิเศษในการรายงานจะเกิดขึ้นเมื่อความถี่ของเหตุการณ์ พร็อพเพอร์ตี้ และ/หรือผลลัพธ์ที่แสดงในชุดข้อมูลไม่ได้แสดงถึงความถี่ในชีวิตจริงอย่างถูกต้อง อคตินี้เกิดขึ้นได้เพราะคนเรามักจะมุ่งเน้นไปยังการบันทึกเหตุการณ์ที่แปลกหรือน่าจดจํา โดยถือว่าสมมติฐานข้อนี้ทั่วไปทําได้ดีโดยไม่ต้องพูดอะไร"
การให้น้ําหนักอัตโนมัติ
การให้น้ําหนักพิเศษอัตโนมัติ คือแนวโน้มที่จะเกิดผลลัพธ์อันเกิดจากระบบอัตโนมัติมากกว่าการให้น้ําหนักอัตโนมัติที่สร้างขึ้นโดยระบบอัตโนมัติ โดยไม่คํานึงถึงอัตราข้อผิดพลาดของแต่ละตัวแปร
การให้น้ําหนักการเลือก
การให้น้ําหนักการเลือก จะเกิดขึ้นหากมีการเลือกชุดข้อมูลตามแนวทางที่ไม่ตรงกับการเผยแพร่จริง การให้น้ําหนักการเลือกอาจมีหลายรูปแบบ
- อคติที่ครอบคลุม: ไม่ได้เลือกข้อมูลในรูปแบบตัวแทน
- การให้น้ําหนักพิเศษที่ไม่ตอบกลับ (หรือการให้น้ําหนักการเข้าร่วม): ข้อมูลไม่ได้เป็นตัวแทนเนื่องจากช่องว่างของการมีส่วนร่วมในกระบวนการเก็บรวบรวมข้อมูล
- การให้น้ําหนักการสุ่มตัวอย่าง: จะไม่มีการสุ่มใช้ที่เหมาะสมระหว่างการรวบรวมข้อมูล
การให้น้ําหนักการระบุแหล่งที่มาของกลุ่ม
อคติเกี่ยวกับการระบุแหล่งที่มาของกลุ่มคือแนวโน้มทั่วไปที่จะระบุว่าผู้ใช้กลุ่มใดมีตัวตนอยู่จริงในทุกกลุ่ม การให้น้ําหนักพิเศษ 2 ประการของอคตินี้คือ
- การให้น้ําหนักพิเศษในกลุ่ม: ค่ากําหนดสําหรับสมาชิกของกลุ่มที่คุณเป็นสมาชิก หรือคุณลักษณะที่คุณแชร์ด้วย
- อคติต่อกลุ่มนอกกลุ่ม: แนวโน้มที่เหมารวมสมาชิกแต่ละคนของกลุ่มซึ่งคุณไม่ได้อยู่ด้วยกัน หรือดูลักษณะเฉพาะของตนในลักษณะที่เหมือนกันมากขึ้น
การให้น้ําหนักพิเศษ
อคติโดยปริยายจะเกิดขึ้นเมื่อมีสมมติฐานที่อิงตามรูปแบบทางจิตใจและประสบการณ์ส่วนตัวของแต่ละบุคคลเองที่โดยทั่วไปไม่ได้ใช้
รูปแบบหนึ่งของอคติโดยปริยายคืออคติการยืนยัน ซึ่งโปรแกรมสร้างโมเดลจะประมวลผลข้อมูลโดยไม่ได้รับอนุญาตในลักษณะที่ยืนยันได้ว่ามีความเชื่อและสมมติฐานที่มีอยู่แล้ว ในบางกรณี เครื่องมือสร้างรูปแบบอาจฝึกโมเดลต่อไปเรื่อยๆ จนกว่าจะสร้างผลลัพธ์ที่สอดคล้องกับสมมติฐานเดิม ซึ่งเรียกว่าการให้น้ําหนักพิเศษของผู้ทดสอบ'
