Innholdsfortegnelse:
Definisjon - Hva betyr maskinskjevhet?
Maskinforsinkelse er effekten av feilaktige forutsetninger i maskinlæringsprosesser. Skjevhet reflekterer problemer relatert til innsamling eller bruk av data, der systemer trekker feilaktige konklusjoner om datasett, enten på grunn av menneskelig intervensjon eller som et resultat av mangel på kognitiv vurdering av data.
Maskinskjevhet er også kjent som algoritmevridning eller ganske enkelt skjevhet.
Techopedia forklarer Machine Bias
Maskinskjevhet har forskjellige former. Et av de mest fremtredende eksemplene involverer bruk av maskinlæringssystemer for å dømme om enkeltpersoner eller grupper av mennesker. For eksempel, når det brukes innen straffedom, har noen maskinlæringsmodeller vist seg å anta høyere kriminalitetsrate for enkeltpersoner basert på overfladiske data som etnisitet eller beliggenhet.
En annen måte å forklare maskinskjevhet i vitenskapelige termer er ved å beskrive det som en "gruppering" av data som ikke er iboende berettiget, hvor skjevhet er en del av det ingeniører snakker om som en "skjevhet" avveining. Høy skjevhet kan forårsake feil gruppering. Høy varians kan føre til overdreven dataspredning. Ingeniører kan referere til et system eller resultat som "høy skjevhet, høy varians" eller "lav skjevhet, høy varians" eller en annen kombinasjon.
