ML 엔지니어가 Amazon SageMaker에서 모델을 훈련하기 전에 분류 데이터셋을 검사하고 있으며, 모델에 편향을 줄 수 있는 심각한 클래스 레이블 불균형을 의심하고 있습니다. 엔지니어는 클래스 불균형을 확인하기 위해 어떤 사전 훈련 지표를 사용해야 할까요?

정답은 DPL(Difference in Proportions of Labels)입니다. DPL은 데이터셋 내의 각 클래스 레이블의 비율을 비교하여 클래스 불균형을 직접적으로 측정하는 사전 훈련 지표입니다. ML 엔지니어는 이 지표를 사용하여 모델 훈련 전에 데이터셋에 심각한 클래스 불균형이 있는지 확인할 수 있습니다. MSE(Mean Squared Error)는 회귀 모델의 예측 오류를 측정하는 지표이므로 분류 데이터셋의 클래스 불균형을 확인하는 데 적합하지 않습니다. 실루엣 점수(Silhouette score)는 클러스터링 알고리즘의 성능을 평가하는 데 사용되며, SSIM(Structural Similarity Index Measure)은 이미지 품질 평가에 사용되는 지표이므로 클래스 불균형 확인과는 관련이 없습니다.