이미지 분류 훈련 작업 중에 엔지니어가 데이터세트에서 클래스 불균형을 발견했습니다. 이 불균형을 해결하기 위해 엔지니어가 취해야 할 조치는 무엇입니까?

클래스 불균형은 소수 클래스의 샘플이 너무 적어 모델이 이를 제대로 학습하지 못하게 할 수 있습니다. 무작위 오버샘플링은 소수 클래스의 샘플을 복제하여 데이터세트의 균형을 맞추는 효과적인 방법입니다. 이를 통해 모델이 모든 클래스에서 더 잘 일반화될 수 있도록 돕습니다. 데이터세트 크기를 줄이는 것은 정보 손실을 야기하여 모델 성능을 저하시킬 수 있습니다. 이미지 변환은 데이터 증강의 한 형태이지만, 클래스 불균형 자체를 직접적으로 해결하지는 못합니다. 무작위 데이터 분할은 훈련, 검증, 테스트 세트를 나누는 과정이며, 클래스 불균형 해결과는 무관합니다.