Как понять что созданная метка валидна

Валидность метки можно проверить несколькими способами:

1. Сравнение с ground truth – если есть эталонные данные, проверяем точность метки (accuracy, precision, recall).

    from sklearn.metrics import accuracy_score
    accuracy = accuracy_score(true_labels, predicted_labels)

2. Логическая проверка – метка должна соответствовать бизнес-логике (например, сумма заказов не может быть отрицательной).

3. Статистические аномалии – анализируем распределение метки на выбросы и некорректные значения.

    import seaborn as sns
    sns.boxplot(data['label'])

4. A/B-тестирование – если метка используется в модели, проверяем её влияние на ключевые метрики.

5. Ручная выборочная проверка – ревью реальных случаев (например, 100 случайных записей).

Метка валидна, если проходит все проверки без критических расхождений.