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...

Descrizione completa

Salvato in:
Autore principale: Sadhukhan, Payel
Altri autori: Gupta, Samrat, 1987-
Natura: Capitolo di libro
Lingua:inglese
Soggetti:
informácie
klasifikácia
logistika
výkonnosť
výskum
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

MARC

LEADER 00000naa$a2200000$$$4500
001 0307742
005 20260126151129.6
041 0 |a eng 
044 |a NL 
245 1 0 |a A Graph Theoretic Approach to Assess Quality of Data for Classification Task  |c Payel Sadhukhan, Samrat Gupta 
520 |a 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. 
610 2 0 |a informácie 
610 2 0 |a klasifikácia 
610 2 0 |a logistika 
610 2 0 |a výkonnosť 
610 2 0 |a výskum 
100 1 |a Sadhukhan, Payel 
700 1 |a Gupta, Samrat, 1987- 

Documenti analoghi