wikiDetoxAnnotated40kRows.tsv unreliable?

Not sure where to post this. but the wikiDetox dataset used in the tutorial for Sentiment Analysis seems unreliable. 22k neutral vs 2k negative comments gives a very low recall. Having an function that would just returns false for every testing data would have a precision of 90%.

Beginne damit, das Tutorial zur Sentiment-Analyse und dessen Dataset wikiDetoxAnnotated40kRows.tsv zu finden. Überprüfe das gemeldete Ungleichgewicht der Labels und bewerte, wie es Recall und Precision beeinflusst. Ermittle anschließend, ob das Dataset, die Evaluierung des Tutorials oder beides dafür verantwortlich ist. Als erledigt gilt die Aufgabe, wenn das Problem reproduziert und eine konkrete Korrektur oder eine dokumentierte Entscheidung identifiziert wurde.

Vom Indexierungsmodell aus dem Issue-Text verfasst.