Equilibrio

"Equilibrio " es un término utilizado para describir lo bien que los datos de entrenamiento de un modelo representan el conjunto de datos en su conjunto.

Cuando la plataforma evalúa el equilibrio de un modelo, busca esencialmente un sesgo de etiquetado que pueda causar un desequilibrio entre los datos de entrenamiento y el conjunto de datos en su conjunto.

Para ello, utiliza un modelo de sesgo de etiquetado que compara los datos revisados y no revisados para garantizar que los datos etiquetados sean representativos de todo el conjunto de datos. Si los datos no son representativos, las medidas de rendimiento del modelo pueden ser engañosas y potencialmente poco fiables.

El sesgo de etiquetado suele ser el resultado de un desequilibrio de los modos de entrenamiento utilizados para asignar etiquetas, especialmente si se utiliza demasiada 'búsqueda de texto' y no suficiente 'reproducción aleatoria'.

El modo de entrenamiento 'Reequilibrar ' muestra los mensajes que están infrarrepresentados en el conjunto revisado. Los ejemplos de etiquetado en este modo ayudarán a abordar rápidamente cualquier desequilibrio en el conjunto de datos.