Para evitar que un algoritmo de aprobación de créditos bancarios discrimine a los solicitantes por su contexto, decides borrar explícitamente la columna "Nivel Socioeconómico" del dataset antes de entrenarlo (técnica conocida como Ceguera Algorítmica). Sin embargo, en producción notas que el modelo sigue rechazando sistemáticamente a los mismos grupos históricamente vulnerables. Al revisar las variables restantes, notas que el modelo le está dando mucho peso al "Código Postal". ¿Por qué falló la ceguera algorítmica en este caso?

Question

Accepted Answer

El código postal actuó como una Variable Proxy, ya que la geografía urbana suele estar fuertemente segregada y altamente correlacionada con el nivel adquisitivo de las personas.

Answer

Al borrar columnas del dataset de entrenamiento, se genera automáticamente un underfitting extremo que hace que el modelo rechace al azar.

Answer

El modelo Random Forest está programado para recuperar internamente las columnas borradas conectándose a bases de datos externas del gobierno.

Answer

El código postal es una variable completamente aleatoria que simplemente inyectó "Ruido Estadístico" al modelo base, confundiendo las predicciones.

Crowdly

Para evitar que un algoritmo de aprobación de créditos bancarios discrimine a lo...

Want instant access to all verified answers on cvirtual.frvm.utn.edu.ar?