译者 | 布加迪
审校 | 重楼
您是否需要确定自己的数据集存在性别或种族方面的偏误？是否需要确保所使用的机器学习模型没有偏误，即使数据有偏误？如果您对上述问题的回答是肯定的，那么这篇文章就适合您阅读。
偏误是指有意识或无意识地倾向于某一特定群体，通常排斥其他人群。对于属于某些种族、民族、性别、能力和宗教群体的人来说，偏误会导致歧视，并在机会和成功方面造成系统性障碍。在有偏误的世界中生成的数据本身就是有偏误的。创建和部署机器学习模型总是伴随着显著的偏误风险。因此，机器学习解决方案环境应该提供人类可用的解释以检测和纠正偏误。
问责制和可访问性在处理偏误方面至关重要。需要问责制确保任何注意到偏误的人都能采取行动。生产环境中机器学习系统的可访问性便于及时处理偏误。审计日志可以部分解决问责制。通过自动化和易于使用的UI/UX降低机器学习的进入门槛有助于提高可访问性。
本文将解释如何通过针对数据和机器学习模型的系统来检测和处理与数据相关的偏误和与模型相关的偏误。按照定义，与数据相关的偏误是数据集中已经存在的偏误。比如在客户流失预测用例中，90%的数据集可能含有白人客户，导致数据集存在种族偏误。按照定义，与模型相关的偏误指模型内生成的偏误。在这种情况下，由于白人占人口的90%，旨在尽量减小误差的模型可以更好地预测白人的流失，从而导致模型出现种族偏误。若使用这种模型采取行动以防止客户流失，会导致非白人群体得不到充足的服务。
当数据集的一些变量值比其他变量值更频繁地出现时，就会出现第一种、也是最常见的数据相关偏误（代表偏误）。比如在临床试验中，90%的参与者可能是男性。
通过重新采样数据以平等地代表不同的群体，可以部分地处理代表偏误。然而，当代表性不足的群体的信息和细节较少时，机器学习模型对这个群体的学习可能会较少。
当存在与目标特征高度相关的变量时，也会出现与数据相关的偏误。为了根据某些敏感特征检测偏误，可以计算出特征相关性（即每列相对目标特征的相关性）。用户可以忽略可能导致偏误的高度相关的敏感特征，比如性别或年龄。请注意，线性相关测量可能不适用于同时含有离散特征和连续特征（即非线性相关性）的数据集。使用归一化互信息有助于解决这个问题。
即使去除了敏感的相关特征，也可能存在与那些敏感特征相关的其他特征。比如说，邮政编码可能与种族高度相关。即使从模型构建中去除种族，保留邮政编码仍然可能导致有偏误的模型。根据变量之间的相关性对变量进行聚类或分组可能有助于检测和去除这类相关特征。检测复杂数据偏误的另一种方法是为每个敏感特征创建机器学习模型。应该忽略机器学习模型中对这些敏感特征的预测贡献最大的特征。
对于与模型相关的偏误，要同时考虑机器学习模型的输入和模型的输出预测。当数据集不平衡时，敏感特征可能与目标特征过于相关而导致偏误。一些机器学习平台在构建模型时分配自动类权重，以强调未充分代表的类。
机器学习模型解释也有助于检测和预防与模型相关的偏误。存在局部或全局特征的重要性，比如SHAP或LIME，提供了关于每个特征的值如何影响模型结果的信息。比如说，如果年龄增加导致信用评分预测降低，那么模型具有与年龄相关的偏误。然而，很难确定偏误在模型中的确切位置。可以使用易于解释的代理模型解释，比如线性模型或决策树。代理模型近似并解释用于决策制定的底层机器学习模型。它们允许更细粒度地检测偏误。决策树代理模型包含模型预测的自动生成的微分段，每个类似一个规则（比如说，如果代理类型是老年人，性别是男性，那么该客户就会流失）。
检测到机器模型上的偏误（或任何其他问题）后，行动的容易程度和速度决定了解决集训的速度有多快。创建并共享数据和模型解释可以帮助用户更快地采取行动。
你可以系统地检测和预防数据和机器学习模型中的偏误。比如通过雇用来自不同背景的用户，并为他们提供人工智能，不仅有助于更好地检测和预防偏误，还有助于纠正偏误检测系统或机器学习模型失败或被人做手脚的情况。
原文标题：How To Handle Data And Machine Learning Bias In Production，作者：Zehra Cataltepe
总的来说，我对ruby还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用
我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时
作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代
Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题
我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i
我需要从一个View访问多个模型。以前，我的links_controller仅用于提供以不同方式排序的链接资源。现在我想包括一个部分(我假设)显示按分数排序的顶级用户(@users=User.all.sort_by(&:score))我知道我可以将此代码插入每个链接操作并从View访问它，但这似乎不是“ruby方式”，我将需要在不久的将来访问更多模型。这可能会变得很脏，是否有针对这种情况的任何技术？注意事项:我认为我的应用程序正朝着单一格式和动态页面内容的方向发展，本质上是一个典型的网络应用程序。我知道before_filter但考虑到我希望应用程序进入的方向，这似乎很麻烦。最终从任何
我在我的项目中添加了一个系统来重置用户密码并通过电子邮件将密码发送给他，以防他忘记密码。昨天它运行良好(当我实现它时)。当我今天尝试启动服务器时，出现以下错误。=>BootingWEBrick=>Rails3.2.1applicationstartingindevelopmentonhttp://0.0.0.0:3000=>Callwith-dtodetach=>Ctrl-CtoshutdownserverExiting/Users/vinayshenoy/.rvm/gems/ruby-1.9.3-p0/gems/actionmailer-3.2.1/lib/action_mailer
刚入门rails，开始慢慢理解。有人可以解释或给我一些关于在application_controller中编码的好处或时间和原因的想法吗？有哪些用例。您如何为Rails应用程序使用应用程序Controller？我不想在那里放太多代码，因为据我了解，每个请求都会调用此Controller。这是真的？ 最佳答案 ApplicationController实际上是您应用程序中的每个其他Controller都将从中继承的类(尽管这不是强制性的)。我同意不要用太多代码弄乱它并保持干净整洁的态度，尽管在某些情况下ApplicationContr
我想向我的Controller传递一个参数，它是一个简单的复选框，但我不知道如何在模型的form_for中引入它，这是我的观点:{:id=>'go_finance'}do|f|%>Transferirde:para:Entrada:"input",:placeholder=>"Quantofoiganho?"%>Saída:"output",:placeholder=>"Quantofoigasto?"%>Nota:我想做一个额外的复选框，但我该怎么做，模型中没有一个对象，而是一个要检查的对象，以便在Controller中创建一个ifelse，如果没有检查，请帮助我，非常感谢,谢谢
我注意到像bundler这样的项目在每个specfile中执行requirespec_helper我还注意到rspec使用选项--require，它允许您在引导rspec时要求一个文件。您还可以将其添加到.rspec文件中，因此只要您运行不带参数的rspec就会添加它。使用上述方法有什么缺点可以解释为什么像bundler这样的项目选择在每个规范文件中都需要spec_helper吗？ 最佳答案 我不在Bundler上工作，所以我不能直接谈论他们的做法。并非所有项目都checkin.rspec文件。原因是这个文件，通常按照当前的惯例，只
