TensorFlow

Detail Model

Gambaran

Ini adalah model Keras yang luas dan dalam yang bertujuan untuk mengklasifikasikan apakah seseorang memiliki pendapatan lebih dari $50.000 atau tidak berdasarkan berbagai fitur demografis. Model ini dilatih pada Dataset Pendapatan Sensus UCI. Ini bukan model produksi, dan dataset ini secara tradisional hanya digunakan untuk tujuan penelitian. Dalam Kartu Model ini, Anda dapat meninjau komponen kuantitatif dari kinerja dan data model, serta informasi tentang tujuan penggunaan, batasan, dan pertimbangan etis model.

Versi: kapan

nama: 2d1bd3b5688079d2da1b20350118dda7

Pemilik

Tim Kartu Model, model-cards@google.com

Referensi

interaktif-2021-02-05T22_01_17.129037

Pertimbangan

Gunakan Kasus

Kumpulan data tempat model ini dilatih pada awalnya dibuat untuk mendukung komunitas pembelajaran mesin dalam melakukan analisis empiris algoritme ML. Kumpulan Data Dewasa dapat digunakan dalam studi terkait keadilan yang membandingkan ketidaksetaraan antar jenis kelamin dan ras, berdasarkan pendapatan tahunan orang.

Keterbatasan

Ini adalah kumpulan data kelas yang tidak seimbang di berbagai kelas sensitif. Rasio contoh pria dan wanita adalah sekitar 2:1 dan ada jauh lebih banyak contoh dengan atribut "putih" daripada gabungan semua ras lainnya. Selain itu, rasio penerima $50.000 atau kurang dengan $50.000 atau lebih berpenghasilan hanya di atas 3:1. Karena ketidakseimbangan di seluruh tingkat pendapatan, kita dapat melihat bahwa tingkat negatif kita yang sebenarnya tampaknya cukup tinggi, sementara tingkat positif kita yang sebenarnya tampaknya cukup rendah. Ini benar pada tingkat yang lebih besar ketika kita hanya melihat sub-kelompok "perempuan", karena ada lebih sedikit contoh perempuan di kelompok berpenghasilan $50,000+, menyebabkan model kita terlalu cocok dengan contoh-contoh ini. Untuk menghindari hal ini, kami dapat mencoba berbagai strategi remediasi di iterasi mendatang (misalnya undersampling, penyetelan hyperparameter, dll), tetapi kami mungkin tidak dapat memperbaiki semua masalah keadilan.

Pertimbangan Etis

Risiko: Kami berisiko mengungkapkan sudut pandang bahwa atribut dalam kumpulan data ini adalah satu-satunya yang memprediksi pendapatan seseorang, meskipun kami tahu ini tidak benar.
Strategi Mitigasi: Seperti disebutkan, beberapa intervensi mungkin perlu dilakukan untuk mengatasi ketidakseimbangan kelas dalam kumpulan data.

Kartu Model Pengklasifikasi Pendapatan Sensus