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 sesgos de anotación que puedan causar un desequilibrio entre los datos de entrenamiento y el conjunto de datos en su conjunto.

Para ello, la plataforma utiliza un modelo de sesgo de anotación que compara los datos revisados y no revisados para garantizar que los datos anotados 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 anotación 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 se mezcla lo suficiente.

El modo de entrenamiento Reequilibrar muestra los mensajes que están subrepresentados en el conjunto revisado. Anotar ejemplos en este modo ayudará a abordar rápidamente cualquier desequilibrio en el conjunto de datos.