Un ingénieur ML inspecte un jeu de données de classification avant d'entraîner un modèle dans Amazon SageMaker et soupçonne un déséquilibre important des étiquettes de classe qui pourrait biaiser le modèle. Quelle métrique de pré-entraînement l'ingénieur doit-il utiliser pour confirmer le déséquilibre des classes ?

La Différence dans les Proportions d'Étiquettes (DPL) est la métrique appropriée pour détecter un déséquilibre de classe avant l'entraînement. Elle mesure la différence entre la proportion d'une classe et celle d'une autre, ou par rapport à une proportion attendue, révélant ainsi si certaines classes sont sous-représentées ou sur-représentées. Un DPL élevé indique un déséquilibre significatif. L'Erreur Quadratique Moyenne (MSE) est utilisée pour évaluer la performance des modèles de régression, pas pour détecter le déséquilibre de classe. Le Score de Silhouette est une métrique d'évaluation de clustering, mesurant la qualité des clusters formés. La Mesure de l'Indice de Similarité Structurelle (SSIM) est utilisée pour évaluer la similarité entre deux images, ce qui n'est pas pertinent ici.