训练数据质量对分类器性能的影响
机器学习
2026-02-26 v1 基因组学
机器学习
摘要
我们描述了大量数值实验，以评估和量化分类器性能如何取决于训练数据的质量，这是对分类器分析中经常被忽视的组成部分。更具体地说，在 metagenomic assembly 将短 DNA 读段拼接成 contig 的科学语境中，我们检查了通过多种机制降低训练数据质量的影响，以及四个分类器——贝叶斯分类器、神经网络、分区模型和随机森林的影响。我们研究了单个行为和分类器之间的一致性。我们发现一种类似 breakdown 的行为对所有四个分类器都适用，随着降解程度增加，它们从大多数正确转变为仅偶尔正确，因为它们以相同的方式出错。在此过程中，出现了空间异质性的图景：随着训练数据远离分析数据，分类器决策退化，边界变得稀疏，一致性增加。
引用
@article{arxiv.2602.21462,
title = {Effects of Training Data Quality on Classifier Performance},
author = {Alan F. Karr and Regina Ruane},
journal= {arXiv preprint arXiv:2602.21462},
year = {2026}
}