【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及用于在交互机器学习期间处理干扰样本的方法。
技术介绍
1、本公开的一般背景是交互机器学习，以例如主动学习、解释性学习或视觉交互标签的形式进行的ml是为受监督的机器学习模型获取标签的好方法。但是，包括专家在内的人类并非没有错误，并且因此可能在交互机器学习过程期间提供不正确或误导性的输入。
2、在交互机器学习系统中，很大程度上不支持跟踪由人类提供的输入、标识和移除不正确的输入和/或导致机器学习的性能下降的输入。这使得模型调试变得非常繁琐。
技术实现思路
1、在本专利技术的一个方面，提出了一种用于基于训练数据中干扰样本的标识来决定机器学习模型结果质量的方法，该方法包括：基于初始训练数据提供模型的第一结果；确定模型的第一结果的第一性能；记录输入数据；基于初始训练数据和输入数据提供模型的第二结果，确定模型的第二结果的第二性能并且基于此标识输入数据和/或训练数据中的错误数据。
2、该解决方案通过记录输入、检查输入对模型性能的影响以及标识可能包含错误标签或其他错误数据的...
【技术保护点】
1.一种用于基于训练数据中的干扰样本的标识来决定机器学习模型结果质量的方法，包括：
2.根据权利要求1所述的方法，
3.根据权利要求2所述的方法，
4.根据权利要求1至3中的一项所述的方法，
5.根据权利要求1至4中的一项所述的方法，
6.根据权利要求1至5中的一项所述的方法，
7.根据权利要求1至6中的一项所述的方法，
8.根据权利要求1至7中的一项所述的方法，
9.根据权利要求1至8中的一项所述的方法，
10.根据权利要求1至9中的一项所述的方法，
<...【技术特征摘要】
【国外来华专利技术】
1.一种用于基于训练数据中的干扰样本的标识来决定机器学习模型结果质量的方法，包括：
2.根据权利要求1所述的方法，
3.根据权利要求2所述的方法，
4.根据权利要求1至3中的一项所述的方法，
5.根据权利要求1至4中的一项所述的方法，
6.根据权利要求1至5中的一项所述的方法，
7.根据权利要求1至6中的一项所述的方法，
8.根据权...
【专利技术属性】
技术研发人员：本杰明·克洛珀，大卫·齐奥布罗，迪维亚谢尔·沙玛，贝内迪特·施密特，满烨懋，加亚特里·戈帕拉克里希南，乔基姆·阿斯托姆，马塞洛·迪克斯，阿扎姆·穆扎法尔·科特里瓦拉，
申请(专利权)人：ABB瑞士股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。