SageMaker Clarify多标签与多维度偏差检测技术问询

1. 多标签数据集的偏差检测 #

如果是单标签多分类场景（每个样本只有一个标签，标签分多个类别，比如0、1），直接在label_values_or_threshold里指定多个目标类别就行，比如[0,1]。要是设置后没生效，先查这两点：

• 数据里的标签确实包含你指定的类别值
• 任务配置是否匹配多分类（比如模型输出是多分类概率）

如果是真正的多标签数据集（每个样本能同时属于多个类别，比如一个样本既标0又标1），那就得给每个标签单独建BiasConfig跑检测任务。因为偏差分析是盯着单个标签的正负样本分布算的，多标签里每个标签的正负判定逻辑是独立的，没法一次搞定所有标签。

2. 多维度的偏差检测 #

不用给每个维度单独跑任务，SageMaker Clarify支持一次作业检测多个维度的偏差：
把facet_name设成维度字段的列表，facet_values_or_threshold对应每个维度的目标值/阈值列表就行。比如同时检测Sex（值为0）和Age（以30为阈值，比如年龄小于30的群体）的偏差，代码这么写：

bias_config = clarify.BiasConfig(
    label_values_or_threshold=[0],
    facet_name=['Sex', 'Age'],
    facet_values_or_threshold=[[0], [30]],
    group_name='Age'
)

一次作业就能输出两个维度的偏差分析结果。

内容的提问来源于stack exchange，提问作者juvchan