一位 ML 工程師正在檢查分類資料集，然後在 Amazon SageMaker 中訓練模型，並懷疑存在可能使模型產生偏差的大量類別標籤不平衡。工程師應該使用哪種預訓練指標來確認類別不平衡？

標籤比例差異 (DPL) 是衡量分類資料集中類別不平衡的預訓練指標。它計算資料集中不同類別標籤的比例差異，以識別潛在的偏差。較大的 DPL 值表示類別分佈不均，可能導致模型偏向多數類別。均方誤差 (MSE) 是用於迴歸問題的指標，衡量預測值與實際值之間的平均平方差。輪廓分數 (Silhouette score) 用於評估聚類演算法的品質。結構相似性指數測量 (SSIM) 用於評估圖像或影片的品質，衡量兩幅圖像之間的相似度。