Etykietowanie danych

Definicja

Etykietowanie danych to proces przypisywania kategorii, tagów lub atrybutów do danych surowych, aby modele uczenia maszynowego mogły się na nich uczyć. Jest to kluczowe dla uczenia nadzorowanego.

Cel

Celem jest udostępnienie surowych zbiorów danych do celów szkoleniowych i ewaluacyjnych. Etykiety dostarczają „odpowiedzi”, których modele potrzebują podczas uczenia się.

Znaczenie

• Istotne dla budowy dokładnych nadzorowanych modeli uczenia maszynowego.
• Niewłaściwe oznakowanie obniża niezawodność systemu.
• Często pracochłonne i kosztowne.
• Wymagana jest specjalistyczna wiedza z zakresu medycyny i prawa.

Jak to działa

1. Zdefiniuj zadania i schemat etykiet.
2. Podziel surowe dane na jednostki (obrazy, zdania, klipy audio).
3. Przypisuj etykiety ręcznie lub za pomocą narzędzi półautomatycznych.
4. Przeprowadzanie kontroli jakości i testów zgodności między adnotatorami.
5. Eksportuj oznaczone zestawy danych w celu szkolenia.

Przykłady (świat rzeczywisty)

• Shaip: etykietowanie danych dla pojazdów autonomicznych.
• Zestawy danych Kaggle: oznaczone na potrzeby konkursów ML.
• Zestawy danych obrazów radiologicznych: oznaczone przez ekspertów medycznych.

Odniesienia / Dalsza lektura

• Adnotacje danych dla sztucznej inteligencji — NIST.
• Adnotacje i etykietowanie zbiorów danych — IEEE Transactions on Data Engineering.
• ISO/IEC 24617: Struktura adnotacji semantycznych — ISO.
• Czym jest etykietowanie danych? Wszystko, co początkujący musi wiedzieć – Shaip