↑: [[G検定に関する知識]] - データの収集段階で生じる偏り。収集経路が偏り、一部属性が過少になる - 数の偏り→そのまま性能の偏りに直結（過少な属性だけ精度が低くなる） - 集めたデータが現実の縮図になっていない状態 - 事例：顔認識AI（学習データが白人男性中心→有色人種女性で誤認識率が高い）、医療AI（研究データが男性中心→女性の症状を見逃す） - cf. [[アルゴリズムバイアス]], [[公平性-G検定]]