使用多臂老虎机进行数据清洗的阈值化 Data Shapley
机器学习
2024-02-14 v1 人工智能
摘要
数据清洗旨在通过从训练数据集中移除一组有害样本来提升模型性能。Data Shapley 是一种常见的具有理论保证的方法，用于评估每个样本对模型性能的贡献；然而，它需要在训练数据的所有子集上进行训练，计算成本高昂。在本文中，我们提出了一种迭代方法，通过使用阈值化老虎机算法快速识别具有低 Data Shapley 值的样本子集。我们提供了理论保证：如果进行足够多的迭代，所提方法能够准确选择有害样本。使用各种模型和数据集的实证评估表明，所提方法在保持模型性能的同时有效提高了计算速度。
引用
@article{arxiv.2402.08209,
title = {Thresholding Data Shapley for Data Cleansing Using Multi-Armed Bandits},
author = {Hiroyuki Namba and Shota Horiguchi and Masaki Hamamoto and Masashi Egi},
journal= {arXiv preprint arXiv:2402.08209},
year = {2024}
}