A Graph Theoretic Approach to Assess Quality of Data for Classification Task
Správnosť predpovedí poskytnutých modelom AI/ML je kľúčom k jeho prijateľnosti. Na posilnenie dôvery výskumníkov a odborníkov v model je potrebné poskytnúť intuitívne pochopenie fungovania modelu. V tejto práci sa pokúšame vysvetliť fungovanie modelu poskytnutím niektorých pohľadov na kvalitu údajov...
Salvato in:
| Autore principale: | |
|---|---|
| Altri autori: | |
| Natura: | Capitolo di libro |
| Lingua: | inglese |
| Soggetti: | |
| Tags: |
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| Riassunto: | Správnosť predpovedí poskytnutých modelom AI/ML je kľúčom k jeho prijateľnosti. Na posilnenie dôvery výskumníkov a odborníkov v model je potrebné poskytnúť intuitívne pochopenie fungovania modelu. V tejto práci sa pokúšame vysvetliť fungovanie modelu poskytnutím niektorých pohľadov na kvalitu údajov. Pritom je nevyhnutné vziať do úvahy, že odhalenie tréningových údajov používateľom nie je možné z logistických a bezpečnostných dôvodov. V tomto ohľade však môže byť užitočné zdieľanie niektorých interpretovateľných parametrov tréningových údajov a ich korelácia s výkonnosťou modelu. |
|---|