Pelabelan Data

definisi

Pelabelan data ialah proses memperuntukkan kategori, teg atau atribut kepada data mentah supaya model pembelajaran mesin boleh belajar daripadanya. Ia adalah pusat kepada pembelajaran yang diselia.

Tujuan

Tujuannya adalah untuk menjadikan set data mentah boleh digunakan untuk latihan dan penilaian. Label menyediakan "jawapan" yang diperlukan oleh model semasa pembelajaran.

kepentingan

• Kritikal untuk membina model ML diselia dengan tepat.
• Pelabelan yang lemah mengurangkan kebolehpercayaan sistem.
• Selalunya intensif buruh dan mahal.
• Memerlukan kepakaran domain dalam bidang seperti perubatan atau undang-undang.

Langkah-langkah untuk Copytrade

1. Tentukan tugas dan labelkan skema.
2. Bahagikan data mentah kepada unit (imej, ayat, klip audio).
3. Berikan label secara manual atau melalui alatan separa automatik.
4. Lakukan semakan kualiti dan ujian perjanjian antara annotator.
5. Eksport set data berlabel untuk latihan.

Contoh (Dunia Sebenar)

• Shaip: melabelkan data untuk kenderaan autonomi.
• Set data Kaggle: dilabelkan untuk pertandingan ML.
• Set data imej radiologi: dilabel oleh pakar perubatan.

Rujukan / Bacaan Lanjut

• Anotasi Data untuk AI — NIST.
• Menganotasi dan Melabelkan Set Data — Transaksi IEEE pada Kejuruteraan Data.
• ISO/IEC 24617: Rangka Kerja Anotasi Semantik — ISO.
• Apakah Pelabelan Data? Segala-galanya Yang Pemula Perlu Tahu – Shaip