Noisy Labels
Noisy Labels: Etichette errate o incoerenti nei dati che possono deviare l’apprendimento e falsare la valutazione. Il rumore può essere casuale, dipendente dalla classe o sistematico rispetto alle feature. Campionatura pulita, loss robuste e revisione umana aiutano a distinguerlo da casi legittimamente ambigui.
In English: Noisy labelsLegge III · Come una rete impara dai datiIl rumore può essere casuale, dipendente dalla classe o sistematico rispetto alle feature. Campionatura pulita, loss robuste e revisione umana aiutano a distinguerlo da casi legittimamente ambigui.
Esempi
- Etichette crowdsourced contrastanti
- Classi assegnate da regole euristiche
- Errori in un set di validazione