Önyargı ve Adillik Testi — Orta

Bir eleme modelinde gruplar arası kabul oranlarını eşitlemek ile nitelikli adaylar arasındaki doğru pozitif oranını eşitlemek aynı anda sağlanamıyor. Bunun nedeni nedir?

• AÖlçütler farklı koşullu olasılıkları kısıtlar; taban oranlar ayrıştığında birlikte tutulamazlar.
• BVeri kümesi küçüktür; örnek sayısı yeterince artırıldığında iki ölçüt çakışır.
• CKarar eşiği yanlış seçilmiştir; doğru eşik bulunduğunda iki ölçüt birlikte sağlanır.
• DÖlçütlerden biri sınıflandırma diğeri sıralama içindir; bu yüzden karşılaştırma tanımsızdır.

Ekip korunan özniteliği veri kümesinden çıkardı ve modelin artık ayrımcı olamayacağını savunuyor. Bu muhakemenin kusuru nedir?

• AÖznitelik çıkarıldığında doğruluk düşer; adillik de doğrulukla birlikte azalır.
• BPosta kodu ve benzeri ilişkili değişkenler vekil olarak aynı bilgiyi taşımaya devam eder.
• CAdillik eğitim verisinde değil yalnızca çıkarım aşamasında tanımlanabilen bir özelliktir.
• DÖznitelik çıkarılınca olasılık kalibrasyonu bozulur ve çıktılar yorumlanamaz hale gelir.

Bir sağlık modeli, hastanın bakım ihtiyacını tahmin etmek için hedef değişken olarak geçmiş sağlık harcamasını kullanıyor. Ortaya çıkan önyargı hangi kaynaktan gelir?

• AÖrnekleme önyargısı; bazı gruplar veri kümesinde yeterince temsil edilmemiştir.
• BToplama önyargısı; tek bir model farklı alt gruplara birlikte uydurulmuştur.
• CÖlçüm önyargısı; hedef değişken, ölçülmek istenen kavramın kusurlu bir vekilidir.
• DDağılım kayması; üretimdeki hasta profili eğitim verisindekinden farklılaşmıştır.