Ausgewogenheit

Ausgewogenheit ist ein Begriff, der beschreibt, wie gut die Trainingsdaten für ein Modell das Dataset als Ganzes darstellen.

Wenn die Plattform bewertet, wie ausgewogen ein Modell ist, sucht sie nach Anmerkungsverzerrungen, die ein Ungleichgewicht zwischen den Trainingsdaten und dem Dataset als Ganzes verursachen können.

Dazu verwendet die Plattform ein Verzerrungsmodell für Anmerkungen, das die überprüften und nicht überprüften Daten vergleicht, um sicherzustellen, dass die Daten mit Anmerkungen für das gesamte Dataset repräsentativ sind. Wenn die Daten nicht repräsentativ sind, können Leistungsmessungen für Modelle irreführend und möglicherweise unzuverlässig sein.

Die Verzerrung von Anmerkungen ist in der Regel das Ergebnis eines Ungleichgewichts der Trainingsmodi, die zum Zuweisen von Beschriftungen verwendet werden, insbesondere wenn zu viel Textsuche verwendet wird und zu wenig Mischen.

Der Trainingsmodus Neuausgleich zeigt Nachrichten an, die im überprüften Satz unterrepräsentiert sind. Wenn Sie Beispiele in diesem Modus mit Anmerkungen versehen, können Sie Ungleichgewichte im Dataset schnell beheben.