前言

看來又要拖到part5

主題

3.3 Equality of Opportunity

這章節我重複看了很多次的，卻還是不太能夠完全理解內容。
單從主題上"Equality of Opportunity"(機會均等)來看，想要表達的意思應該是希望藉由一些技巧，防止Machine Learning模型，因為資料而產生歧視。然而，前面一整段鋪陳所舉的關於信用借貸的例子，似乎又與主題不太相關。

根據上圖，可以分成兩種顏色(藍色\灰色)與(深\淺)總共四類，兩種顏色分別代表在信用基準的閥值選擇50時，藍色是被允許借貸、灰色則是不被允許借貸，深色\淺色則是實際會還錢\不會還錢，在現實的資料分布中，很難找到一筆閥值能夠完美將還錢與不還錢的人分隔出來，因此，要如何選擇閥值便成了一門學問!

於是，Google提出一種方向，或許能根據可能獲得的最大利益進行閥值選擇。

最後，又很生硬的牽扯到"機會均等"的思維，我理解後認為的主要概念是，針對某些特徵進行分組(e.g.人種、性別、年齡...)，讓不同特徵的人能夠有均等的機會(在這例子中就是獲得借貸)。然而，整體上這段課程的安排邏輯順序，讓我有點無法對此概念有深刻理解，而且最後的解釋不知道是我英文太差，或者真的他解釋的很抽象不清楚，感覺沒有抓到重點。