Équilibre

Équilibre est un terme utilisé pour décrire à quel point les données d’entraînement d’un modèle représentent l’ensemble de données dans son ensemble.

Lorsque la plate-forme évalue l'équilibrage d'un modèle, elle recherche les biais d'annotation qui peuvent entraîner un équilibre entre les données d'entraînement et l'ensemble de données dans son ensemble.

Pour ce faire, la plate-forme utilise un modèle de biais d'annotation qui compare les données examinées et non examinées pour garantir que les données annotées sont représentatives de l'ensemble des données. Si les données ne sont pas représentatives, les mesures de performances du modèle peuvent être trompeurs et potentiellement peu fiables.

Les biais d'annotation sont généralement le résultat d'un flux de travail entre les modes d'entraînement utilisés pour attribuer des libellés, notamment si la recherche de texte est trop importante et que le documentation n'est pas suffisant.

Le mode d’entraînement Rééquilibrer affiche les messages sous-représentés dans l’ensemble examiné. L'annotation d'exemples dans ce mode permettra de corriger rapidement les flux de l'ensemble de données.