10. 公平性

サンプリングバイアスは、サンプルが偏って選ばれることにより、公平性の問題を引き起こす原因となります。

アルゴリズムバイアスは、アルゴリズムが特定のグループに不公平な影響を与える原因となるバイアスです。

代理変数は、直接的なセンシティブ属性の代わりに使用され、偏った結果を引き起こす可能性があります。

データの偏りは、データセットが特定のグループに偏っている場合に、公平性の問題を引き起こします。

公平性の定義は、個人やグループが平等に扱われるべきであるという理念に基づいています。

センシティブ属性は、性別や人種など、特定の属性が公平性に影響を与える場合があります。

センシティブ属性は、AIが不公平な結果を出す原因となる、性別や人種などの属性です。

データの偏りは、収集されたデータ自体が偏っている場合に発生し、公平性の問題を引き起こします。

サンプリングバイアスは、サンプルの選択が偏っていることにより、結果が歪んでしまう問題です。