Lerninhalt zum Bias

1.1. Sampling Bias

Eine Verzerrung der Stichprobe (Sampling Bias) entsteht, wenn bei der Auswahl von Daten für ein maschinelles Lernmodell aufgrund einer nicht zufälligen oder nicht repräsentativen Stichprobe systematische Fehler auftreten. Diese Fehler können zu falschen Vorhersagen und verzerrten Ergebnissen führen. Um dieses Problem wirksam anzugehen und zu mindern, ist es entscheidend, die Arten und Ursachen einer Verzerrung der Stichprobe zu verstehen. Dabei können verschiedenen Arten von Sampling Bias entstehen:

• Selection Bias tritt auf, wenn bestimmte Datenpunkte systematisch aus dem Datensatz ausgeschlossen oder in diesen aufgenommen werden, was zu einer nicht repräsentativen Stichprobe führt. Wenn beispielsweise im Gesundheitswesen eine Studie nur gesunde Patienten einbezieht, lässt sich das auf solchen Daten trainierte Modell möglicherweise nicht gut auf die allgemeine Bevölkerung übertragen.
• Survivorship Bias tritt auf, wenn nur die überlebenden oder erfolgreichen Datenpunkte in den Datensatz aufgenommen werden, was zu einer übermäßig optimistischen Sichtweise auf die Daten führt. Wenn beispielsweise nur erfolgreiche Unternehmen analysiert werden, ohne diejenigen zu berücksichtigen, die gescheitert sind, kann dies zu einem verzerrten Modell bei der Vorhersage des Unternehmenserfolgs führen.
• Non-Response-Bias tritt auf, wenn ein Teil der Daten nicht auf eine Umfrage oder einen Datenerfassungsprozess reagiert. Wenn diese Nichtbeantwortung nicht zufällig ist und einem Muster folgt, kann dies zu einem verzerrten Datensatz führen.
• Voluntary Bias entsteht, wenn Teilnehmer oder Datenpunkte selbst ausgewählt werden. Dies kann bei Umfragen oder freiwilligen Datenerhebungen vorkommen und zu einem Datensatz führen, der eine bestimmte Gruppe von Personen mit einem bestimmten Interesse repräsentiert.
• Sampling Frame Bias tritt auf, wenn der zur Datenerhebung verwendete Stichprobenrahmen nicht die gesamte interessierende Population abdeckt. Wenn beispielsweise eine Umfrage nur in städtischen Gebieten durchgeführt wird, spiegelt sie möglicherweise nicht genau die Demografie des gesamten Landes wider.