機(jī)器學(xué)習(xí)中的數(shù)據(jù)偏差是一種錯(cuò)誤，其中數(shù)據(jù)集的某些元素比其他元素具有更大的權(quán)重和或表示。有偏見(jiàn)的數(shù)據(jù)集不能準(zhǔn)確地表示模型的用例，從而導(dǎo)致結(jié)果偏斜，準(zhǔn)確性水平低和分析錯(cuò)誤。

通常，用于機(jī)器學(xué)習(xí)項(xiàng)目的訓(xùn)練數(shù)據(jù)必須代表現(xiàn)實(shí)世界。這很重要，因?yàn)檫@些數(shù)據(jù)是機(jī)器學(xué)習(xí)如何完成其工作的方式。數(shù)據(jù)偏差可能會(huì)發(fā)生在從人類(lèi)報(bào)告和選擇偏差到算法和解釋偏差的一系列區(qū)域中。

解決機(jī)器學(xué)習(xí)項(xiàng)目中的數(shù)據(jù)偏差意味著首先確定它在哪里。只有在知道存在偏見(jiàn)的地方之后，你才可以采取必要的措施來(lái)糾正它，無(wú)論是解決數(shù)據(jù)不足還是改善注釋過(guò)程的問(wèn)題?？紤]到這一點(diǎn)，請(qǐng)務(wù)必對(duì)數(shù)據(jù)的范圍，質(zhì)量和處理保持警惕，以免產(chǎn)生偏差。這不僅影響模型的準(zhǔn)確性，而且還會(huì)涉及道德，公平和包容性問(wèn)題。

下面，我列出了機(jī)器學(xué)習(xí)中最常見(jiàn)的7種數(shù)據(jù)偏見(jiàn)類(lèi)型，以幫助你分析和了解其發(fā)生的位置以及你可以采取的措施。

數(shù)據(jù)偏差的類(lèi)型

盡管并不詳盡，但此列表包含了該領(lǐng)域中數(shù)據(jù)偏見(jiàn)的常見(jiàn)示例，以及其發(fā)生位置的示例。

樣本偏差：當(dāng)數(shù)據(jù)集不能反映模型將在其中運(yùn)行的環(huán)境的實(shí)際情況時(shí)，就會(huì)發(fā)生樣本偏差。這樣的一個(gè)例子是某些主要在白人圖像上訓(xùn)練的面部識(shí)別系統(tǒng)。這些模型對(duì)婦女和不同種族的人的準(zhǔn)確度要低得多。此偏差的另一個(gè)名稱(chēng)是選擇偏差。

排除偏差：排除偏差在數(shù)據(jù)預(yù)處理階段最常見(jiàn)。通常，這是刪除不重要的有價(jià)值數(shù)據(jù)的情況。但是，由于某些信息的系統(tǒng)排除，它也可能發(fā)生。例如，假設(shè)你有一個(gè)在美國(guó)和加拿大的客戶(hù)銷(xiāo)售數(shù)據(jù)集。98％的客戶(hù)來(lái)自美國(guó)，因此你選擇刪除不相關(guān)的位置數(shù)據(jù)。但是，這意味著你的模型將不會(huì)因?yàn)榧幽么罂蛻?hù)的消費(fèi)增加兩倍多這一事實(shí)而受到影響。

測(cè)量偏差：當(dāng)為訓(xùn)練而收集的數(shù)據(jù)與現(xiàn)實(shí)世界中收集的數(shù)據(jù)不同時(shí)，或者當(dāng)錯(cuò)誤的測(cè)量結(jié)果導(dǎo)致數(shù)據(jù)失真時(shí)，就會(huì)發(fā)生這種偏差。這種偏差的一個(gè)很好的例子出現(xiàn)在圖像識(shí)別數(shù)據(jù)集中，其中訓(xùn)練數(shù)據(jù)是用一種類(lèi)型的照相機(jī)收集的，而生產(chǎn)數(shù)據(jù)是用另一種照相機(jī)收集的。在項(xiàng)目的數(shù)據(jù)標(biāo)記階段，由于注釋不一致也會(huì)導(dǎo)致測(cè)量偏差。

召回偏差：這是一種測(cè)量偏差，在項(xiàng)目的數(shù)據(jù)標(biāo)記階段很常見(jiàn)。當(dāng)你不一致地標(biāo)記相似類(lèi)型的數(shù)據(jù)時(shí)，就會(huì)產(chǎn)生召回偏差。這導(dǎo)致較低的精度。例如，假設(shè)你有一個(gè)團(tuán)隊(duì)將電話的圖像標(biāo)記為損壞，部分損壞或未損壞。如果有人將一張圖像標(biāo)記為已損壞，但將相似的圖像標(biāo)記為部分已損壞，則你的數(shù)據(jù)將不一致。

觀察者偏差：也稱(chēng)為確認(rèn)偏差，觀察者偏差是看到你期望在數(shù)據(jù)中看到或想要看到的結(jié)果的效果。當(dāng)研究人員在有意識(shí)或無(wú)意識(shí)的情況下對(duì)自己的研究有主觀想法進(jìn)入項(xiàng)目時(shí)，可能會(huì)發(fā)生這種情況。當(dāng)標(biāo)簽制作者讓主觀思想控制他們的標(biāo)簽制作習(xí)慣，從而導(dǎo)致數(shù)據(jù)不準(zhǔn)確時(shí)，你也可以看到這一點(diǎn)。

種族偏見(jiàn)：盡管不是傳統(tǒng)意義上的數(shù)據(jù)偏見(jiàn)，但由于其在AI技術(shù)中的盛行，因此仍然值得一提。當(dāng)數(shù)據(jù)偏向特定人群時(shí)，就會(huì)發(fā)生種族偏見(jiàn)。在面部識(shí)別和自動(dòng)語(yǔ)音識(shí)別技術(shù)中可以看到這一點(diǎn)，該技術(shù)無(wú)法像白種人那樣準(zhǔn)確地識(shí)別有色人種。Google的Inclusive Images競(jìng)賽提供了很好的例子說(shuō)明了這種情況的發(fā)生。

關(guān)聯(lián)偏差：當(dāng)機(jī)器學(xué)習(xí)模型的數(shù)據(jù)加強(qiáng)和/或乘以文化偏差時(shí)，就會(huì)發(fā)生這種偏差。你的數(shù)據(jù)集可能包含一組工作，其中所有男性都是醫(yī)生，所有女性都是護(hù)士。這并不意味著女人不能當(dāng)醫(yī)生，男人不能當(dāng)護(hù)士。但是，就你的機(jī)器學(xué)習(xí)模型而言，不存在女醫(yī)生和男護(hù)士。社交偏見(jiàn)最出名的是造成性別偏見(jiàn)，這在“挖掘人工智能”研究中可見(jiàn)。

如何避免機(jī)器學(xué)習(xí)項(xiàng)目中的數(shù)據(jù)偏差？

防止機(jī)器學(xué)習(xí)項(xiàng)目中的數(shù)據(jù)偏差是一個(gè)持續(xù)的過(guò)程。盡管有時(shí)很難知道數(shù)據(jù)或模型何時(shí)出現(xiàn)偏差，但是你可以采取許多步驟來(lái)幫助防止偏差或及早發(fā)現(xiàn)偏差。盡管遠(yuǎn)非詳盡的清單，但以下要點(diǎn)為思考機(jī)器學(xué)習(xí)項(xiàng)目的數(shù)據(jù)偏差提供了入門(mén)級(jí)指南。

盡你所能，事先研究用戶(hù)。請(qǐng)注意你的一般用例和潛在異常值。

確保你的數(shù)據(jù)科學(xué)家和數(shù)據(jù)標(biāo)簽團(tuán)隊(duì)是多元化的。

盡可能合并來(lái)自多個(gè)來(lái)源的輸入以確保數(shù)據(jù)多樣性。

為數(shù)據(jù)標(biāo)簽創(chuàng)建黃金標(biāo)準(zhǔn)。黃金標(biāo)準(zhǔn)是一組數(shù)據(jù)，可以反映任務(wù)的理想標(biāo)記數(shù)據(jù)。它使你能夠測(cè)量團(tuán)隊(duì)的注釋的準(zhǔn)確性。

為數(shù)據(jù)標(biāo)簽期望制定明確的準(zhǔn)則，以便數(shù)據(jù)標(biāo)簽保持一致。

對(duì)于可能會(huì)出現(xiàn)數(shù)據(jù)準(zhǔn)確性偏差的任何項(xiàng)目，請(qǐng)使用多次通過(guò)注釋。例如，情感分析，內(nèi)容審核和意圖識(shí)別。

尋求具有領(lǐng)域?qū)I(yè)知識(shí)的人員的幫助，以查看你收集和/或注釋的數(shù)據(jù)。團(tuán)隊(duì)外部的人可能會(huì)看到團(tuán)隊(duì)忽略的偏見(jiàn)。

定期分析你的數(shù)據(jù)。跟蹤錯(cuò)誤和問(wèn)題區(qū)域，以便您快速響應(yīng)并解決它們。在決定刪除或保留它們之前，請(qǐng)仔細(xì)分析數(shù)據(jù)點(diǎn)。

使偏差測(cè)試成為開(kāi)發(fā)周期的一部分。Google，IBM和Microsoft都發(fā)布了工具和指南，以幫助分析許多不同數(shù)據(jù)類(lèi)型的偏差。

如果你想更深入地了解偏見(jiàn)的產(chǎn)生方式，偏見(jiàn)對(duì)機(jī)器學(xué)習(xí)模型的影響以及過(guò)去在自動(dòng)化技術(shù)中的偏見(jiàn)，我建議你參考瑪格麗特·米切爾（Margaret Mitchell）的“人工智能的視野和語(yǔ)言偏見(jiàn)”演示。

鏈接：https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1194/slides/cs224n-2019-lecture19-bias.pdf?ref=hackernoon.com

總結(jié)

請(qǐng)務(wù)必注意任何數(shù)據(jù)項(xiàng)目在機(jī)器學(xué)習(xí)中的潛在偏見(jiàn)。通過(guò)盡早安裝正確的系統(tǒng)并保持?jǐn)?shù)據(jù)收集，標(biāo)記和實(shí)施的最頂層，你可以在出現(xiàn)問(wèn)題之前就注意到它，或者在出現(xiàn)問(wèn)題時(shí)對(duì)其進(jìn)行響應(yīng)。

責(zé)任編輯：xj

原文標(biāo)題：機(jī)器學(xué)習(xí)中的7種數(shù)據(jù)偏見(jiàn)

文章出處：【微信公眾號(hào)：Imagination Tech】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。