面向数据质量与机器学习模型性能的建模
机器学习
2024-12-10 v1 人工智能
摘要
理解数据中的不确定性和噪声如何影响机器学习模型（MLM）对于开发可信赖的模型和衡量其性能至关重要。本文提出了一种新模型，用于量化数据中对MLM的不确定性和噪声。基于信噪比（SNR）的概念，提出了一种称为确定性-非确定性比（DDR）的新指标，用于构建模型的性能。通过实验中的合成数据，我们展示了准确率如何随着DDR的变化而变化，以及如何使用DDR-准确率曲线来确定模型的性能。
引用
@article{arxiv.2412.05882,
title = {Towards Modeling Data Quality and Machine Learning Model Performance},
author = {Usman Anjum and Chris Trentman and Elrod Caden and Justin Zhan},
journal= {arXiv preprint arXiv:2412.05882},
year = {2024}
}