ML-инженер проверяет набор данных классификации перед обучением модели в Amazon SageMaker и подозревает сильный дисбаланс меток классов, который может сместить модель. Какую метрику перед обучением должен использовать инженер для подтверждения дисбаланса классов?

Разница в долях меток (DPL) — это метрика, используемая для измерения дисбаланса классов в наборе данных. Она рассчитывает разницу между долей положительных и отрицательных меток. Высокое значение DPL указывает на значительный дисбаланс, что может привести к смещению модели. Среднеквадратичная ошибка (MSE) используется для оценки регрессионных моделей, а не для анализа дисбаланса классов. Оценка силуэта применяется для оценки качества кластеризации. Показатель структурного сходства (SSIM) используется для измерения сходства между двумя изображениями.