باختصار
Selection Bias (تحيّز الاختيار) أخطاء في الاستنتاجات المأخوذة من بيانات عيّنة، سببها عملية اختيار بتعمل فروق منهجية بين العيّنات اللي ظهرت في البيانات واللي ما ظهرتش.
بالتفصيل
حسب مسرد Google، تحيّز الاختيار ليه تلات أشكال:
- Coverage Bias (تحيّز التغطية): المجموعة الممثّلة في البيانات مش هي نفس المجموعة اللي النموذج هيتوقّع عنها.
- Sampling Bias (تحيّز أخذ العيّنات): البيانات ما اتجمعتش عشوائيًا من المجموعة المستهدفة.
- Non-Response Bias (تحيّز عدم الاستجابة، أو تحيّز المشاركة): مجموعات معيّنة بتنسحب من الاستبيانات بمعدّلات مختلفة عن غيرها.
مثال عملي
مثال المسرد: عايز تبني نموذج يتوقّع استمتاع الناس بفيلم. عشان تجمع بيانات، وزّعت استبيان على كل اللي قاعدين في الصفّ الأوّل في سينما بتعرض الفيلم. الطريقة دي فيها التلات أنواع:
- تغطية: العيّنة من ناس اختاروا يشوفوا الفيلم أصلًا، فتوقّعاتك ممكن ما تنطبقش على اللي ما عندهمش نفس الاهتمام.
- أخذ عيّنات: بدل ما تختار عشوائيًا من كل اللي في السينما، اخترت الصفّ الأوّل بس، وممكن يكونوا أكتر حماسًا للفيلم من باقي الصفوف.
- عدم استجابة: الاستبيان اختياري، والناس اللي عندهم آراء قوية بيردّوا أكتر من أصحاب الآراء المعتدلة، فالردود هتبقى منقسمة لطرفين بدل توزيع طبيعي.
نفس المشكلة بتحصل في تقييمات المنتجات على الإنترنت: اللي بيكتبوا تقييم غالبًا يا مبسوطين جدًا يا متضايقين جدًا. نموذج متدرّب عليها بس هيشوف عالم أكتر تطرّفًا من الحقيقة.
مصطلحات مرتبطة
- Reporting Bias — تحيّز الإبلاغ.
- Historical Bias — التحيّز التاريخي.
- Sampling — أخذ العيّنات.
- Bias — التحيّز.
المصادر: Google ML Glossary
