bias指标是什么?

bias指标是衡量数据集中类别分布不均衡程度的量化工具。常见指标包括基尼系数、熵值和卡方统计，数值越高说明偏差越大。例如，某数据集中A类样本占90，B类占10，基尼系数会显示较高的偏差值。实际应用中，这些指标帮助识别数据倾斜问题，指导模型优化方向。

处理bias问题时，常用方法有重采样、代价敏感学习和数据增强。重采样包括过少数类或过多数类，平衡数据分布。代价敏感学习通过调整损失函数权重，让模型更关注少数类。数据增强则通过旋转、裁剪等方式生成新样本，提升模型泛化能力。这些方法能有效降低bias指标数值，提升模型公平性。