Bruit d'étiquetage
term_id: label_noise
Category: basic_concepts
Definition
Le bruit d’étiquetage désigne les écarts entre les vraies classes des instances de données et les étiquettes fournies dans l’ensemble de données d’entraînement. Cela peut provenir d’erreurs d’annotation humaine, de points de données ambigus,
Summary
Erreurs ou incohérences dans les étiquettes cibles d’un ensemble de données utilisé pour l’entraînement de l’apprentissage automatique supervisé.
Key Concepts
- Qualité des données
- Apprentissage robuste
- Erreurs d’annotation
- Bruit symétrique/asymétrique
Use Cases
- Entraînement de modèles sur des données collectées en foule
- Gestion de jeux de données réels imparfaits
- Amélioration de la robustesse des modèles