当机器学习领域的人们谈论有偏见的数据集时，这意味着什么？我认为只有估算器才会有偏差。
在记录我所做的工作时，有人问我：
“所有数据集都以某种方式存在偏差。您的数据集如何存在偏差？”
我不知道它们是什么意思。我的数据集也是人口数据，所以我很难将其解释为样本选择问题......
分析的目的主要是描述性的。我将构建三个索引并将它们组合起来。这三个指数是1）房价指数，2）交通时间指数和3）工资指数。
我知道，即使有人口数据，房价也存在样本选择问题——因为并非所有房屋每年都会交易，而且交易的子样本很可能不是住房总存量的随机样本。
我并没有在我拥有数据的时间段（即 30 年）之外进行概括。
“有偏见”一词仅表示您的样本不是随机选择的。
这类似于有偏骰子，它产生数字 6 的频率高于其他数字。
如何获得无偏的样本总是很困难，但一些众所周知的错误是：
从作为一名统计学家（我的主要角色是顾问）到同样为我们工作的主题专家，我注意到，对统计数据了解较少的人在只想说有问题时会抛出偏见这个词。
当他们说某事有偏见时，他们真的不知道自己在说什么，并且会在他们担心的任何时候说出来，作为一种包罗万象，即使上下文与偏见无关。很多时候，当我向某人解释某事时，他们会回答“偏见呢”，即使这与手头的谈话无关。
我怀疑您的情况可能就是这种情况，特别是当您看到他们说以下内容时：
“所有数据集都以某种方式存在偏差。您的数据集如何存在偏差？”
这当然不是真的。
请注意，当我们开始谈论像机器学习这样的流行词时，这种情况会成倍增加。我有人给我一个数据集并问我“你能机器学习这个......”。
也许您知道，当 iPhone 用户互相发短信时，会出现一个蓝色的“发送”箭头，而不是给使用其他类型手机的人发短信时看到的绿色箭头。要收集数据，您可以随机输入数字，但前提是箭头是蓝色的。您的样本存在偏见，因为您排除了出于任何原因不使用 iPhone 的人。也许政治观点会影响手机购买决定。如果你在发短信讨论政治问题，你就排除了某些观点。