खास जानकारी

मिनडिफ़ एक मॉडल उपचार तकनीक है जो दो वितरणों को बराबर करने का प्रयास करती है। व्यवहार में, इसका उपयोग वितरण संबंधी अंतरों को दंडित करके आपके डेटा के विभिन्न हिस्सों में त्रुटि दर को संतुलित करने के लिए किया जा सकता है।

आमतौर पर, आप समूह निष्पक्षता सुनिश्चित करने का प्रयास करते समय मिनडिफ लागू करते हैं, जैसे संवेदनशील वर्ग से संबंधित डेटा के एक टुकड़े और बेहतर प्रदर्शन करने वाले टुकड़े के बीच झूठी सकारात्मक दर (एफपीआर) या झूठी नकारात्मक दर (एफएनआर) में अंतर को कम करना। निष्पक्षता मेट्रिक्स की गहन चर्चा के लिए, इस विषय पर साहित्य की समीक्षा करें। 1 2 3

मिनडिफ़ कैसे काम करता है?

हमारे डेटासेट से उदाहरणों के दो सेटों को देखते हुए, मिनडिफ़ दो सेटों के बीच स्कोर के वितरण में अंतर के लिए प्रशिक्षण के दौरान मॉडल को दंडित करता है। पूर्वानुमान स्कोर के आधार पर दो सेट जितने कम अलग-अलग होंगे, जुर्माना उतना ही कम लगाया जाएगा।

जुर्माना उस हानि में एक घटक जोड़कर लगाया जाता है जिसका उपयोग मॉडल प्रशिक्षण के लिए कर रहा है। इसे मॉडल पूर्वानुमानों के वितरण में अंतर के माप के रूप में सोचा जा सकता है। जैसे ही मॉडल प्रशिक्षित होता है, यह वितरणों को एक साथ लाकर दंड को कम करने का प्रयास करता है, जैसा कि नीचे दिए गए ग्राफ़ में दिखाया गया है।

मिनडिफ़ तुलना ग्राफ़

मिनडिफ़ को लागू करने से मूल कार्य पर प्रदर्शन के संबंध में समझौता हो सकता है। उत्पाद की ज़रूरतों से परे प्रदर्शन को ख़राब न करते हुए MinDiff प्रभावी हो सकता है, लेकिन MinDiff के प्रदर्शन और प्रभावशीलता के बीच संतुलन बनाने का निर्णय उत्पाद स्वामी द्वारा जानबूझकर किया जाना चाहिए। मिनडिफ को लागू करने के तरीके को दर्शाने वाले उदाहरणों के लिए, मॉडल रिमेडिएशन केस स्टडी नोटबुक देखें।

संसाधन

  1. डवर्क, सी., हार्ड्ट, एम., पिटासी, टी., रींगोल्ड, ओ., ज़ेमेल, आर. (2011)। जागरूकता के माध्यम से निष्पक्षता. ↩

  2. हार्ड्ट, एम., प्राइस, ई., स्रेब्रो, एन. (2016)। पर्यवेक्षित शिक्षण में अवसर की समानता। ↩

  3. चौल्देचोवा, ए. (2016)। असमान प्रभाव के साथ निष्पक्ष भविष्यवाणी: पुनरावृत्ति भविष्यवाणी उपकरणों में पूर्वाग्रह का एक अध्ययन। ↩