Rótulos imprecisos em Aprendizado de Máquina: Medidas de avaliação e algoritmos de aprendizado de máquina

Resumo

Aprendizado de Máquina supervisionado tem como objetivo construir automaticamente um modelo de classificação a partir de um conjunto de exemplos rotulados. No entanto, nem sempre existem conjuntos de dados rotulados com boa qualidade, um problema conhecido como ruído de rótulo. Esse ruído pode causar diversos problemas para algoritmos de Aprendizado de Máquina (AM). Apesar de existirem trabalhos que estudam a influência do ruído na geração de modelos, existem poucos estudos referentes à avaliação de modelos na presença de rótulos ruidosos. Esse é um problema importante a ser estudado, uma vez que AM requer validação empírica, o que pode levar a conclusões errôneas na comparação de algoritmos nesse cenário. Este projeto de pesquisa pretende investigar essa lacuna, desenvolvendo um estudo sistemático sobre a influência de certos padrões de vício em conjuntos de teste na avaliação de algoritmos de aprendizado.