馃搸 4 human-caused biases we need to fix for machine learning
- Biaix de la mostra: les dades utilitzades per a entrenar el model no s贸n prou representatives.
- Biaix de prejudicis: les dades estan influenciades per estereotips culturals o d'altres tipus.
- Biaix de mesura: hi ha un problema amb el dispositiu utilitzat per a observar o mesurar.
- Biaix algor铆tmic: els models amb una alta variaci贸 poden adaptar-se f脿cilment a la complexitat, per貌 s贸n sensibles al soroll; els models amb un biaix elevat s贸n menys sensibles a les variacions i propensos a no detectar la complexitat.