Inżynier ML gromadzi dane treningowe dla modelu klasyfikacji binarnej (etykiety: Klasa A, Klasa B). Chce sprawdzić, czy klasy są zbalansowane i, bez usuwania istniejących rekordów, zbalansować zbiór danych, jeśli to konieczne. Które podejście spełnia ten wymóg?

Prawidłowa odpowiedź spełnia wymagania, ponieważ SageMaker Clarify jest przeznaczony do wykrywania stronniczości danych, w tym niezbalansowania klas. Wskaźnik niezbalansowania klas (CI) większy niż 0 oznacza, że klasy są niezbalansowane. SMOTE (Synthetic Minority Over-sampling Technique) to odpowiednia metoda do balansowania niezbalansowanych zbiorów danych bez usuwania istniejących rekordów, ponieważ generuje syntetyczne próbki dla klasy mniejszościowej, zwiększając jej reprezentację. SageMaker Data Wrangler oferuje wbudowane transformacje, w tym SMOTE, do przygotowywania danych. Pozostałe opcje są nieprawidłowe, ponieważ: Stwierdzenie "CI równa się 0" oznacza, że klasy są zbalansowane, więc dalsze działania nie są potrzebne. Losowe niedopróbkowanie (random undersampling) usuwa dane, co jest sprzeczne z wymaganiem. SageMaker JumpStart to usługa do szybkiego wdrażania modeli, a nie do generowania raportów o niezbalansowaniu klas. Ponadto, losowe niedopróbkowanie usuwa dane. Ponownie, JumpStart nie jest narzędziem do raportowania niezbalansowania klas, a CI równe 0 oznacza brak potrzeby balansowania.