ความยุติธรรม

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

การประเมินโมเดลแมชชีนเลิร์นนิงอย่างมีความรับผิดชอบต้องอาศัยมากกว่าแค่การคํานวณเมตริกที่สูญเสียไป ก่อนที่จะนําโมเดลไปใช้จริง สิ่งสําคัญคือการตรวจสอบข้อมูลการฝึกและประเมินการคาดคะเนเพื่อการให้น้ําหนักพิเศษ

โมดูลนี้จะพิจารณาการให้น้ําหนักพิเศษระหว่างมนุษย์ประเภทต่างๆ ที่อาจส่งผลใน ข้อมูลการฝึก จากนั้นจึงระบุกลยุทธ์เพื่อระบุและประเมินผลกระทบ

ความยุติธรรม

กล้วยหอมบนชั้นวางในร้านค้า
  • กล้วยหอม
กล้วยจํานวนหนึ่ง
  • กล้วยหอม
  • Stickers
กล้วยจํานวนหนึ่ง
  • กล้วยหอม
  • Stickers
  • กล้วยบนชั้นวาง
กล้วยจํานวนหนึ่ง
  • สีเขียว กล้วยหอม
  • Unripe Bananas
กล้วยสีเขียวจํานวนมาก
  • Overripe กล้วยหอม
  • เหมาะสําหรับขนมปังกล้วยหอม
กล้วยสีน้ําตาลจํานวนมาก

สีเหลือง กล้วยหอม

สีเหลือง เป็นต้นแบบสําหรับกล้วย

กล้วยหอมสีเหลือง
แผนภาพแสดงเวิร์กโฟลว์แมชชีนเลิร์นนิงทั่วไป เช่น รวบรวมข้อมูล ฝึกโมเดล แล้วสร้างเอาต์พุต
แผนภาพแสดงอคติ 2 ประเภทในข้อมูล ได้แก่ อคติจากมนุษย์ในไฟล์ข้อมูล (เช่น อคติจากวัตถุที่อยู่นอกกลุ่ม) และอคติจากมนุษย์ที่ส่งผลต่อการรวบรวมและคําอธิบายประกอบข้อมูล (เช่น อคติการยืนยัน)
  1. พิจารณาปัญหา
  1. พิจารณาปัญหา
  2. ถามผู้เชี่ยวชาญ
  1. พิจารณาปัญหา
  2. ถามผู้เชี่ยวชาญ
  3. ฝึกโมเดลให้คํานึงถึงการให้น้ําหนักพิเศษ
  1. พิจารณาปัญหา
  2. ถามผู้เชี่ยวชาญ
  3. ฝึกโมเดลให้คํานึงถึงการให้น้ําหนักพิเศษ
  4. ตีความผลลัพธ์
  1. พิจารณาปัญหา
  2. ถามผู้เชี่ยวชาญ
  3. ฝึกโมเดลให้คํานึงถึงการให้น้ําหนักพิเศษ
  4. ตีความผลลัพธ์
  5. เผยแพร่แบบมีบริบท