31 lines
1.7 KiB
TeX
31 lines
1.7 KiB
TeX
\chapter{Bias}
|
|
\label{bias}
|
|
\section{Inductive Bias}
|
|
\label{inductive bias}
|
|
Unter dem \say{inductive bias} versteht man Annahmen, die implizit oder explizit getroffen werden, um das System generalisierbar zu machen.
|
|
Hierzu gehören unter anderem Dinge wie die Modellauswahl oder die Netzwerkarchitektur von Neuronalen Netzen (\ref{chapter: deep learning}).
|
|
|
|
\subsection{Bias-Variance-Tradeoff}
|
|
\label{bias-variance-tradeoff}
|
|
Je mehr Bias ein Modell erhält, desto kleiner ist die Varianz, die z.B. durch Rauschen von Messdaten verursacht wird.
|
|
\begin{center}
|
|
\includegraphics[width = .9\textwidth]{bias-variance-tradeoff.png}
|
|
\end{center}
|
|
|
|
\section{Algorithmic Bias}
|
|
\label{algorithmic bias}
|
|
Unter dem \say{algorithmic bias} versteht man alle Einflussfaktoren,
|
|
die zu einem systematischen Fehler des Systems führen (z.B. Unterrepräsentation einer Personengruppe in den Trainingsdaten).
|
|
\begin{center}
|
|
\includegraphics[width = .9\textwidth]{algorithmic_bias_example.png}
|
|
\end{center}
|
|
Diese Form des Bias kann an unterschiedlichen Stellen der Modellerstellung auftreten.\\
|
|
\includegraphics[width = \textwidth]{algorithmic_bias.png}\\
|
|
|
|
\subsection{Maßnahmen}
|
|
\label{algorithmic bias: massnahmen}
|
|
Am besten lässt sich der (algoritmic) Bias durch die Festlegung bestimmter Richtlinien bekämpfen.
|
|
Hierbei geht es vor allem darum den Bias aufzudecken.
|
|
Dies ist durch Analyse der Daten, Analyse der eingesetzten Modelle oder eine Überwachung im produktiven Einsatz möglich.
|
|
Ein erkannter Bias muss dann meist manuell entfernt werden.
|