We address this problem by reasoning counterfactually about the loss distribution of examples with uniform random labels had they were trained with the real examples, and use this information to remove noisy examples from the training set.
|
Abordem aquest problema raonant contrafactualment sobre la distribució de pèrdues d’exemples amb etiquetes aleatòries uniformes si haguessin estat entrenats amb exemples reals, i fem servir aquesta informació per eliminar exemples sorollosos del conjunt d’entrenament.
|