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...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Book Chapter |
| Language: | English |
| Subjects: | |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | 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. |
|---|