Un ingénieur ML assemble des données d'entraînement pour un modèle de classification binaire (labels : Classe A, Classe B). Il souhaite vérifier si les classes sont équilibrées et, sans supprimer les enregistrements existants, équilibrer le jeu de données si nécessaire. Quelle approche répond à cette exigence ?

L'approche correcte consiste à utiliser SageMaker Clarify pour évaluer le déséquilibre de classe (CI). Si Clarify indique un CI supérieur à 0, cela signifie que les classes sont déséquilibrées. Pour rééquilibrer le jeu de données sans supprimer d'enregistrements existants, la technique SMOTE (Synthetic Minority Over-sampling Technique) est appropriée. SMOTE génère des échantillons synthétiques pour la classe minoritaire, augmentant ainsi sa représentation. SageMaker Data Wrangler est l'outil idéal pour appliquer de telles transformations de données. Les autres options sont incorrectes car : Si CI est égal à 0, les classes sont déjà équilibrées, donc aucun sous-échantillonnage n'est nécessaire. Le sous-échantillonnage réduirait la taille du jeu de données et potentiellement la quantité d'informations utiles. SageMaker JumpStart est une bibliothèque de modèles pré-entraînés et de solutions, pas un outil d'analyse de déséquilibre de classe ou de transformation de données comme Clarify ou Data Wrangler. Appliquer SMOTE lorsque CI est égal à 0 n'est pas nécessaire et pourrait introduire un suréchantillonnage inutile.