Un ingeniero de ML está inspeccionando un conjunto de datos de clasificación antes de entrenar un modelo en Amazon SageMaker y sospecha un gran desequilibrio en las etiquetas de clase que podría sesgar el modelo. ¿Qué métrica previa al entrenamiento debería usar el ingeniero para confirmar el desequilibrio de clases?

La Diferencia en las Proporciones de las Etiquetas (DPL) es la métrica adecuada para confirmar el desequilibrio de clases. DPL mide la diferencia entre la proporción de ejemplos positivos y negativos en el conjunto de datos, lo que indica directamente si una clase está significativamente más representada que otra. El Error Cuadrático Medio (MSE) se utiliza para evaluar modelos de regresión, no para analizar el desequilibrio de clases en conjuntos de datos de clasificación. La Puntuación de la Silueta se usa para evaluar la calidad de los agrupamientos (clustering), no para el desequilibrio de etiquetas. La Medida del Índice de Similitud Estructural (SSIM) se emplea para comparar la similitud entre dos imágenes, lo cual es irrelevante en este contexto.