Pour autant, les algorithmes biqualités ont besoin d’avoir accès à un jeu de données fiables pour apprendre des classifieurs résistants aux potentielles corruptions du jeu de données non-fiables, exemples qui sont parfois couteux à obtenir dans des cas concrets. On s’intéressera à automatiser cette étape, en étudiant des méthodes automatiques de détection d’exemples mal-étiquetés. Ceux-ci fournissent un score de confiance pour chaque exemple du jeu données sur lequel ils sont appliqués, indiquant si l’étiquette fournie peut être considérée comme bonne ou mauvaise. Parmi ceux-ci, les détecteurs basés sur l’introspection examinent s’il existe une différence de traitement entre les exemples bien et mal-étiquetés lors de l’apprentissage, mesurées à l’aide de sondes sur un ensemble progressif ou indépendant de modèles. Après avoir passé en revu l’état de l’art dans ce cadre, nous testerons les détecteurs les plus populaires sur un ensemble de jeu de données tabulaires et textuels, et nous partagerons les enseignements tirés.

Bio :

• Pierre Nodet a effectué sa thèse de doctorat dans l’UMR MIA (AgroParisTech, Université Paris Saclay) et à Orange Innovation sur l’apprentissage biqualité. Pierre est désormais Research Scientist à Orange innovation et travaille sur l’apprentissage robuste, les données temporelles, et l’explicabilité.
• Thomas George a effectué sa thèse de doctorat au Mila (Montréal, Québec) sur la théorie et l’optimisation en apprentissage profond, avant de rejoindre Orange Innovation pour effectuer des recherches sur l’apprentissage en présence d’exemples mal-étiquetés, l’explicabilité et la causalité.