[发明专利]使用机器学习模型来抑制偏差数据

权利要求书

1.一种方法(400)，包括：

在数据处理硬件(112)处接收偏差训练数据集(130)，所述偏差训练数据集(130)基于目标群体的偏差敏感变量的概率分布；

由所述数据处理硬件(112)基于所述目标群体的至少一个相应的偏差敏感变量将所述偏差训练数据集(130)分段成聚类(212)，所述聚类(212)中的每个聚类(212)包括对应的偏差聚类权重(214)；

在所述数据处理硬件(112)处接收用于机器学习模型(300)的训练数据集(302)；

由所述数据处理硬件(112)将用于所述机器学习模型(300)的所述训练数据集(302)分段成训练聚类(216)，每个训练聚类(216)与所述目标群体的至少一个对应的偏差敏感变量相关联并且包括对应的训练数据集权重(218)；

由所述数据处理硬件(112)调整每个训练数据集权重(218)以与相应的偏差聚类权重(214)匹配以形成调整后的训练数据集(208)；以及

由所述数据处理硬件(112)将所述调整后的训练数据集(208)作为无偏差训练数据集(206)提供给所述机器学习模型(300)。

2.根据权利要求1所述的方法(400)，其中将所述调整后的训练数据集(208)作为所述无偏差训练数据集(206)提供给所述机器学习模型(300)包括利用所述无偏差训练数据集(206)来训练所述机器学习模型(300)。

3.根据权利要求1或者2所述的方法(400)，还包括：

由所述数据处理硬件(112)利用所述无偏差训练数据集(206)来训练所述机器学习模型(300)；

在所述数据处理硬件(112)处接收包括至少一个相应的偏差敏感变量的样本数据集(308)；以及

由所述数据处理硬件(112)使用所训练的机器学习模型(300)基于所接收的样本数据集(308)来生成无偏差预测值(310)。

4.根据权利要求1-3中的任一项所述的方法(400)，其中调整每个训练数据集权重(218)以与所述相应的偏差聚类权重(214)匹配包括，对于每个训练数据集权重(218)：

基于公共偏差敏感变量来使该训练数据集权重(218)与所述相应的偏差聚类权重(214)匹配；以及

从所述训练数据集中移除数据，直到该训练数据集权重(218)与所述相应的偏差聚类权重(214)匹配为止。

5.根据权利要求1-4中的任一项所述的方法(400)，其中调整每个训练数据集权重(218)以与所述相应的偏差聚类权重(214)匹配包括，对于每个训练数据集权重(218)：

基于公共偏差敏感变量来使该训练数据集权重(218)与所述相应的偏差聚类权重(214)匹配；以及

从所述训练数据集中复制数据，直到该训练数据集权重(218)与所述相应的偏差聚类权重(214)匹配为止。

6.根据权利要求1-5中的任一项所述的方法(400)，其中调整每个训练数据集权重(218)以与所述相应的偏差聚类权重(214)匹配包括，对于每个训练数据集权重(218)：

基于公共偏差敏感变量来使该训练数据集权重(218)与所述偏差聚类权重(214)匹配；以及

在该训练数据集权重(218)小于所述相应的偏差聚类权重(214)时，关联指示关于与该训练数据集权重(218)相对应的训练数据增加所述机器学习模型(300)的训练的重要性权重(228)。

7.根据权利要求1-6中的任一项所述的方法(400)，其中调整每个训练数据集权重(218)以与所述相应的偏差聚类权重(214)匹配包括，对于每个训练数据集权重(218)：

基于公共偏差敏感变量来使该训练数据集权重(218)与所述偏差聚类权重(214)匹配：以及

在该训练数据集权重(218)大于所述相应的偏差聚类权重(214)时，关联指示关于与该训练数据集权重(218)相对应的训练数据减少所述机器学习模型(300)的训练的重要性权重(228)。