Etikettbrus
term_id: label_noise
Category: basic_concepts
Definition
Etikettbrus syftar på diskrepanser mellan de sanna klassetiketterna för dataexempel och de etiketter som tillhandahålls i träningsdatamängden. Detta kan uppstå på grund av mänskliga annoteringsfel, tvetydiga datapunkter eller felaktig datainsamling, vilket kan försämra modellernas prestanda och generaliseringsförmåga om det inte hanteras.
Summary
Fel eller inkonsekvenser i måletiketterna för ett dataset som används för träning av övervakad maskininlärning.
Key Concepts
- Datkvalitet
- Robust inlärning
- Annoteringsfel
- Symmetrisk/asymmetrisk brus
Use Cases
- Träning av modeller på data insamlad via folkröstning
- Hantering av imperfekta verkliga datamängder
- Förbättring av modellens robusthet