平衡

“平衡”是一个术语，用于描述模型的训练数据在多大程度上代表整个数据集。

当平台评估模型的 平衡 性时，它本质上是在寻找可能导致训练数据和整个数据集之间 不平衡 的 标签偏差 。

为此，它使用标签偏差模型来比较已审核和未审核的数据，以确保已标记的数据能够代表整个数据集。 如果数据不具有代表性，则模型性能衡量指标可能会产生误导，并且可能不可靠。

标签偏差通常是用于分配标签的训练模式不平衡的结果，尤其是在使用太多“文本搜索”而没有足够的“随机播放”时。

“重新平衡”训练模式会显示审核集中代表性不足的消息。 在此模式下标记示例将有助于快速解决数据集中的任何不平衡问题。