DifícilMúltipla escolha

Questão de prática de AIF-C01

Exhibit

{
  "pre_training_bias_metrics": {
    "dpl": {
      "value": 0.15,
      "threshold": 0.1
    },
    "class_imbalance": {
      "value": 0.3,
      "threshold": 0.5
    },
    "label_imbalance": {
      "value": 0.4,
      "threshold": 0.6
    }
  }
}

Consulte a exibição. Um cientista de dados executa o SageMaker Clarify em um conjunto de dados de treinamento e recebe a saída JSON acima. Qual métrica de viés excede seu limite?

Escolha a melhor resposta.

Resposta correta

  • ADPL

Explicação

A saída JSON mostra DPL (Demographic Parity Difference) = 0.15, o que excede o limite comumente utilizado de 0.10. O DPL mede a diferença na probabilidade de um resultado favorável entre grupos favorecidos e desfavorecidos; um valor acima de 0.10 indica viés significativo. As outras métricas (Label Imbalance = 0.05, Class Imbalance = 0.02) estão abaixo de seus respectivos limites, portanto apenas o DPL aciona a violação.

Por que cada alternativa está certa ou errada

A

Correta

DPL

Nos relatórios de viés do SageMaker Clarify, a métrica Difference in Positive Proportions in Labels (DPL) exceder seu limite configurado sinaliza a maior disparidade entre as facetas. Essa violação identifica o DPL como a métrica que falha em seu limite aceitável.

B

Incorreta

Label Imbalance

O valor de desequilíbrio de rótulos de 0.4 está abaixo do limite de 0.6.

C

Incorreta

Class Imbalance

O valor de desequilíbrio de classes de 0.3 está abaixo do limite de 0.5.

D

Incorreta

Todas as métricas excedem os limites

Apenas o DPL excede; o desequilíbrio de classes e rótulos está dentro dos limites.

Para se aprofundar

O DPL é calculado como P(Y=1|A=favorecido) - P(Y=1|A=desfavorecido), onde Y é o resultado favorável. O SageMaker Clarify usa um limite padrão de 0.10 para o DPL, mas isso pode ser ajustado com base nos requisitos do domínio. Na prática, mesmo um DPL pequeno pode indicar viés sistemático nas previsões do modelo, especialmente quando o conjunto de dados possui atributos sensíveis como raça ou gênero, e exceder o limite desencadeia a necessidade de técnicas de mitigação de viés, como reponderação ou debiasing adversarial.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AIF-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.