Estaba leyendo esto Desarrollo y validación de clasificadores de fenotipos a través de múltiples sitios en la red de ciencias e informática de datos sanitarios observacionales y me encontré con el siguiente párrafo. ¿Podría ayudarme a entender qué significa el término resaltado noise-tolerant learning or ¿se refiere a los datos de entrenamiento con etiquetas ruidosas con un simple ejemplo y cómo es útil cuando no tenemos etiquetas en nuestro conjunto de datos, etc.? Estoy aprendiendo ML y sus aportaciones serían útiles.
Para hacer frente a la escasez de datos de entrenamiento etiquetados, Chen et al utilizaron aprendizaje activo para seleccionar inteligentemente las muestras de entrenamiento para el etiquetado, demostrando que el rendimiento del clasificador puede mantenerse con con menos muestras.16 Otra tendencia es el uso de "conjuntos de entrenamiento estándar de entrenamiento", un enfoque semisupervisado en el que las muestras de entrenamiento se etiquetan utilizando una heurística imperfecta en lugar de una revisión manual.17-22 La intuición de La intuición es que los clasificadores tolerantes al ruido entrenados con datos etiquetados abstraerán propiedades de orden superior del fenotipo más allá de la heurística de etiquetado original (el llamado "aprendizaje ruido "23).
