Was Label bedeutet
Eine Ein Label teilt dem Modell mit, wie die korrekte Ausgabe für ein Trainingsbeispiel aussehen soll. In einem Spam-Modell kann die Bezeichnung „Spam“ oder „Nicht-Spam“ lauten. In einem Churn-Modell könnte das Label darauf hinweisen, ob der Kunde gekündigt hat. In einem Regressionsmodell könnte die Bezeichnung ein numerischer Wert sein, beispielsweise „Umsatz“.
Warum das wichtig ist
Labels sind wichtig, weil überwachtes Lernen von ihnen abhängt. Das Modell lernt aus der Beziehung zwischen Eingabemerkmalen und Labels. Wenn Labels ungenau, inkonsistent, verzögert oder verzerrt sind, können die Leistung und Fairness des Modells beeinträchtigt werden.
Häufige Anwendungen
- Spam- oder Nicht-Spam-Labels für E-Mails.
- Betrug oder legitime Labels für Transaktionen.
- Ergebnisse der Kundenabwanderung.
- Produktkategoriebezeichnungen für Bilder.
- Numerische Zielwerte für die Regression.
Worauf zu achten ist
Labels sollten das tatsächliche Geschäftsergebnis so genau wie möglich wiedergeben. Proxy-Labels können nützlich sein, aber sie lehren das Modell möglicherweise, das Falsche zu optimieren. Kennzeichnungsrichtlinien und Qualitätskontrollen sind wichtig.
Label lässt sich am besten im Kontext verstehen: welche Daten verwendet werden, welche Aufgabe unterstützt wird und wie die Ausgabe geprüft wird.