Разбираемся со смещениями в датасетах вместе с MTS AI

Picture

NLP-разработчик MTS AI Игорь Буянов подробно рассказывает, что такое смещение в датасетах, почему оно возникают, как влияет на работу модели и какие существуют подходы для борьбы с ним.

Смещение в датасетах: определение, причины, способы борьбы

Под смещением в датасетах понимается возникновение взаимосвязей между входными и выходными данными, которые абсолютно не желательны и которые появляются в самый неожиданный момент. Такие смещения «путают» модель, из-за чего она дает ложно положительные срабатывания. Кажется, что модель работает хорошо, но,когда начинаешь использовать ее в реальности, результат сложно назвать удовлетворительным.

Игорь Буянов, NLP-разработчик MTS AI, подробно изучил этот вопрос и в своей статье для Habr и поделился результатами своих исследований.

Хотя не существует строгой классификации факторов возникновения смещений, Игорь сформулировал несколько возможных причин: предвзятость разметчиков, отсутствие баланса, нерепрезентативность и неправильный режим обучения. Как же бороться со смещением?

Игорь отметил несколько способов. Это:

  • удаление части примеров, отражающих смещение;
  • ручная/автоматическая идентификация смещения и построение модели с его учетом;
  • датасеты с механизмами подавления смещений;
  • исправление датасетов через добавление примеров, тем самым уменьшая влияние смещения.

Игорь детально рассматривает первый и второй способы борьбы со смещением. Ответы на вопросы, как работают данные способы, какие алгоритмы используются и как они влияют на результативность работы модели, вы найдете в оригинальной статье на Habr.

Новости
Главное за последнее время
Смотреть все

Инвестиции

MTS AI в медиа

Новости команды

Партнерство

Кейсы

Решения

ВобъективеИИ

События

Технологии

ВобъективеИИ
ИИ спасает животных и помогает понять медицинские тексты
События
Вебинар от MTS AI: узнайте больше о возможностях Audiogram
ВобъективеИИ
Робот-патрульный и ИИ для создания архитектурных шедевров
События
MTS AI стала стратегическим партнером Machines Can See
События
Датасет RuPAWS представили на конференции LREC 2022
Технологии
NLP-исследователи разработали датасет для идентификации парафразов
MTS AI в медиа
Как превратить «дело безумцев» в единорога? История успеха Александра Ханина
Решения
Как голосовые и текстовые боты меняют клиентский сервис
MTS AI в медиа
Как заработать на искусственном интеллекте в России
Новости команды
MTS AI провела специальную оценку условий труда