Un ingeniero de ML está preparando datos de entrenamiento para un modelo de clasificación binaria (etiquetas: Clase A, Clase B). Quiere verificar si las clases están balanceadas y, sin eliminar registros existentes, balancear el conjunto de datos si es necesario. ¿Qué enfoque satisface este requisito?

La opción correcta utiliza SageMaker Clarify para detectar el desequilibrio de clases. Un CI (Índice de Desequilibrio de Clases) mayor que 0 indica desequilibrio. Para balancear un conjunto de datos desequilibrado sin eliminar registros, es preferible el sobremuestreo, especialmente SMOTE (Synthetic Minority Over-sampling Technique). SMOTE crea nuevas muestras sintéticas para la clase minoritaria, lo que ayuda a balancear el conjunto de datos sin perder información. SageMaker Data Wrangler es la herramienta adecuada para aplicar transformaciones como SMOTE. Las opciones incorrectas: Sugerir submuestreo cuando el CI es 0 es incorrecto, ya que un CI de 0 significa que las clases ya están balanceadas. Además, el submuestreo reduce el tamaño del conjunto de datos, lo cual el requisito busca evitar. Usar SageMaker JumpStart para informes de desequilibrio es incorrecto; JumpStart es para modelos preentrenados, no para análisis de desequilibrio de datos. Aplicar SMOTE cuando el CI es 0 es innecesario, ya que las clases ya están balanceadas.