あるMLエンジニアが、Amazon SageMakerでモデルをトレーニングする前に分類データセットを検査しており、モデルに偏りをもたらす可能性のある大きなクラスラベルの不均衡を疑っています。エンジニアはクラスの不均衡を確認するために、トレーニング前のどのメトリックを使用すべきですか？

ラベルの比率の差 (DPL) は、異なるグループ間でのクラスラベルの分布の差を測定する公平性メトリクスであり、クラスの不均衡を直接的に示します。これは、特定のクラスが他のクラスよりもデータセット内で過剰に表現されているかどうかを判断するのに役立ちます。 平均二乗誤差 (MSE) は回帰モデルの性能を評価するものであり、分類データセットのクラス不均衡を測定するものではありません。シルエットスコアはクラスタリングの品質を評価するもので、分類タスクのクラス不均衡とは無関係です。構造的類似性指標 (SSIM) は画像の類似性を測定するものであり、分類データセットのクラス分布には適用されません。