Co je labelování dat?
Labelování dat (značkování dat) je proces, při kterém ke každému kousku surových dat připojíte správnou odpověď, aby se model mohl učit z příkladů. Označíte, které e-maily jsou spam, ohraničíte auta na fotkách nebo přidáte náladu recenze. Právě na těchto popiscích se model při učení s učitelem trénuje. Většina času a nákladů reálného AI projektu padne sem, ne na samotný model.
Lidsky řečeno
Je to jako vyrábět studentovi kartičky na učení. Na jedné straně je otázka, na druhé správná odpověď. Model jich projde tisíce, dokud neumí odpovídat na nové otázky sám. Labelování dat je psaní odpovědí na rub každé kartičky. Když jsou ty odpovědi špatně, student se naučí špatnou věc.
Proč na tom záleží
- Popisky určují strop. Model může být jen tak dobrý jako příklady, ze kterých se učil. Nedbalé popisky znamenají nedbalý model, ať je algoritmus jakkoli pokročilý.
- Je to většina práce. Týmy běžně vloží víc úsilí do sběru a popisování dat než do stavby modelu.
- Vkládáte do nich svůj úsudek. Tím, jak popisky nadefinujete (co se počítá jako „urgentní“ nebo „urážlivé“), učíte model svým měřítkům, v dobrém i špatném.
Na co si dát pozor
- Nejednotní lidé. Když dva lidé označí stejnou věc jinak, model dostává protichůdné signály. Pomůžou jasné pokyny a kontrola.
- Skryté zkreslení. Jakékoli zkreslení v popiscích skončí v modelu. Pokud příklady táhnou jedním směrem, budou tak táhnout i předpovědi.
- Snaha označit všechno ručně. U velkých datových sad zvažte postupy jako aktivní učení nebo poloučení s učitelem, kde označíte ty nejužitečnější příklady a se zbytkem pomůže model.
Související články
- Co je učení s učitelem? - Trénování modelu na označených příkladech, aby uměl předpovědět správnou odpověď.
- Co je feature engineering? - Příprava surových dat na užitečné vstupy pro model.
- Co je overfitting? - Když si model trénovací data zapamatuje, místo aby se z nich učil.
Chcete být o krok napřed?
Nenechte si utéct naše nejlepší postřehy. Žádný spam, jen praktické analýzy, pozvánky na exkluzivní eventy a shrnutí podcastů přímo do vaší schránky.