Inżynier ML sprawdza zbiór danych klasyfikacyjnych przed trenowaniem modelu w Amazon SageMaker i podejrzewa duże niezrównoważenie etykiet klas, które mogłoby zniekształcić model. Której metryki przedtreningowej powinien użyć inżynier, aby potwierdzić niezrównoważenie klas?

Różnica w proporcjach etykiet (DPL) to odpowiednia metryka do oceny niezrównoważenia klas, ponieważ bezpośrednio mierzy dysproporcję między proporcjami różnych klas w zbiorze danych. Wysoka wartość DPL wskazuje na znaczące niezrównoważenie, co jest kluczowe do zidentyfikowania przed treningiem modelu klasyfikacyjnego. Błąd średniokwadratowy (MSE) jest metryką używaną do oceny regresji, mierząc średnią kwadratową różnicę między przewidywanymi a rzeczywistymi wartościami, a nie do analizy rozkładu klas. Wynik Silhouette służy do oceny jakości klasteryzacji, mierząc, jak podobny jest obiekt do własnego klastra w porównaniu do innych klastrów. Wskaźnik podobieństwa strukturalnego (SSIM) jest używany do oceny jakości obrazu, porównując podobieństwo dwóch obrazów. Żadna z tych metryk nie jest przeznaczona do oceny niezrównoważenia klas w zbiorze danych klasyfikacyjnych.