Rumore nelle etichette
term_id: label_noise
Category: basic_concepts
Definition
Il rumore nelle etichette si riferisce alle discrepanze tra le vere classi dei dati e le etichette fornite nel dataset di addestramento. Questo può derivare da errori di annotazione umana, dati ambigui o processi di raccolta dati difettosi. La presenza di rumore può degradare significativamente le prestazioni del modello, rendendo necessaria l’adozione di tecniche di apprendimento robusto.
Summary
Errori o incongruenze nelle etichette di destinazione di un dataset utilizzato per l’addestramento del machine learning supervisionato.
Key Concepts
- Qualità dei dati
- Apprendimento robusto
- Errori di annotazione
- Rumore simmetrico/asimmetrico
Use Cases
- Addestramento di modelli su dati crowdsourced
- Gestione di dataset reali imperfetti
- Miglioramento della robustezza del modello