Ennustavan mallin opettamisessa lopputuloksen hyvyyteen vaikuttavat olennaisesti käytettävissä oleva data aineisto, aineiston käsittely ennen opettamista, käytetyn mallin arkkitehtuuri sekä tavoitefunktio. Lisäksi erilaiset mallit voivat tuottaa erilaisia arvoja reiluusmetriikoiden valossa tarkasteltuna (1).
Taulukko 18: Vinoumien oikomismenetelmiä.
Menetelmä | Kuvaus |
---|---|
Muuttujien uudelleenjärjestely | Mallin syöte- tai ennustemuuttujiin voidaan tehdä muutoksia: voidaan lisätä muuttujia, tai poistaa muuttujia. Myös muuttujien mahdollista esikäsittelyä voidaan muuttaa. |
Syötedatan muokkaus | Datan jakosuhdetta opetus-, testaus- ja validointiaineistoihin voidaan muuttaa. Jos jostain reiluuden kannalta relevantista kohderyhmästä tai ilmiöstä ei ole riittävästi havaintoja, voidaan generoida synteettistä keinotekoista dataa tasapainottamaan kohderyhmien esiintyvyyttä. |
Mallin rakenteen tai algoritmin muuttaminen | Tekoälymalleissa mallin rakennetta, eli vapaiden parametrien määrää ja muita vastaavia parametreja voidaan muuttaa, jotta saavutetaan parempi ennustetarkkuus ja reiluus. |
Mallin ennusteiden jälkikäsittely | Joissain tilanteissa reiluuden lisääminen voidaan saavuttaa esimerkiksi ennusteiden kynnysarvoja muuttamalla. |