상세 보기
초록
일반적으로, 지도 학습은 데이터 라벨의 품질에 매우 민감하다. 그래서 데이터 자체의 오류보다 라벨링 오류로 인해 지도 학습 모델의 성능이 더 많이 저하될 수 있다. 본 논문에서는 라벨 오류를 해결하기 위한 다양한 라벨 잡음 정화 기법을 조사하고, 후속 연구를 위한 미해결 연구 과제를 제시한다. 구체적으로, 본 논문은 먼저 데이터 라벨링 오류를 정의하고 그 유형과 영향에 대해 논의한다. 다음으로, 우리는 잡음을 검출하고 검출된 잡음에 다시 라벨을 수정하는 다양한 연구를 방법론과 기법에 따라 분류한다. 마지막으로, 우리는 기존의 라벨 잡음 정화 기법을 실제 문제에 적용할 때 발생할 수 있는 문제점을 제시하고, 향후 연구 방향을 제시한다.
키워드
Label Noise; Data Cleansing; Ensemble Learning; Active Learning; Semi Supervised Learning; 라벨 잡음; 데이터 클렌징; 앙상블 학습; 적극 학습; 준-지도 학습
- 제목
- 데이터 라벨 잡음 정화 기법: 문헌 조사, 분류체계, 및 당면한 문제들
- 제목 (타언어)
- Techniques for Data Label Noise-Cleansing: A Survey, Categorization, and Open Issues
- 저자
- 전두용; 서영균; 탁병철
- 발행일
- 2024-04
- 유형
- Y
- 저널명
- 데이타베이스연구
- 권
- 40
- 호
- 1
- 페이지
- 3 ~ 26
- 언어
- KOR
- 출판사
- 한국정보과학회
- 발행국가
- 대한민국
- 분량
- 24 페이지
- ISSN
- P 1598-9798