单考虑分布偏移远不够！真实数据很复杂，「外部有效性」不可缺少

ah Raji以一篇撰文为例，这篇发表撰文在JAMA的，名为“在住院病征之中国际上运用于的心肌梗塞预测建模的受控直接官能分析”对于开头之中的那个事例之中的建模做了极其详实描述的“受控直接官能”分析。

受控直接官能分析建模的博士论文

网址：

首先这篇撰文所述了一项关于 2018 年 12 翌年至 2019 年 10 翌年期间（尤其是在大大行其道开始早先）运用于心肌梗塞建模的回顾官能分析。他们检查了接受38,455 次住院治疗的27,697名病征，见到Epic建模预测心肌梗塞发病的曲线下km为 0.63，而“这比其开发新人员报告的官能能要差得多”。

此外，该用以“未识别显露 1,709 名心肌梗塞病征（67%），因此随之而来很大的虚假报警。”

这些分析人员或许将这些难题所述为“受控直接官能”难题，并详实分析了它们，这远远翻倍了“病理医生和样本集翻转”——一个模板的翻转样本集之中所述的样本地理分布翻转。

对于Epic 的系统的评估是基于 2013 年至 2015 年 3 个美国卫生的系统的样本，这与密歇根私立大学 2018-2019 年的病征记录样本不尽相同。但该评估不只能只能慎重考虑样本难题，还评估了医生与建模交互的推移以及这些推移如何影响结果，以及其他与样本几乎没有关系的受控直接官能因素所——这大幅提高了样本地理分布翻转。

即使在讨论多方面的样本更改时，分析者们也会试图就其所述它是什么，并就其分析在他们医院布防时时有发生的歧异。

4关于所作

所作Deborah Raji是尼日利亚裔加拿大计算机科学家和活动家，她专注分析算法性别歧视、人脑问责制和算法审计。她曾与 Google 的Ethical AI 团队共同开发，并曾在纽约私立大学AI和AI Now分析所的共同开发伙伴关系之中担任分析员，专注分析如何在自然语言处理工程施工实践之中慎重考虑人性因素所，曾于AI公正官能分析的Timnit Gebru做过同事，也曾获得过该信息关键技术多个特别奖。

Deborah Raji与Ben Recht早就在这个受控直接官能这一公众人物上早就展开了很多深入的讨论，紧接著关于这一难题的探讨也会陆续放在arg min的新浪上，感兴趣的阅读可以追捧查看~

参考新浪：

雷峰网

。

成都看肿瘤哪里好
南京癫痫医院排行
贵阳生殖感染去哪看
襄阳妇科医院去哪家好
数据3d可视化
急性支气管炎咳嗽吃什么药
感染新冠可能会加速衰老？《自然》子刊重磅研究给出提示！
急支糖浆说明书及用法
咳嗽有痰用急支糖浆还是川贝枇杷膏
甲流引起的咳嗽吃什么药