Confident Learning: auditoria da qualidade de rótulos com revisão direcionada

Definição

Confident Learning é um framework para identificar rótulos de classificação ruidosos e aprender com eles. Ele estima as relações entre os rótulos observados e os rótulos subjacentes desconhecidos, usando uma formulação de ruído condicional à classe. Em um fluxo de auditoria, sua saída serve para priorizar exemplos para inspeção; um exemplo sinalizado não é automaticamente um erro de anotação verificado. [1]

Como funciona

Um detector combina o rótulo registrado de cada exemplo com as probabilidades que o modelo prevê para cada classe. O Confident Learning usa limiares de confiança específicos de cada classe para estimar as prováveis confusões de rótulo e identificar exemplos suspeitos. Suas garantias teóricas dependem de premissas declaradas.

O Cleanlab recomenda probabilidades fora da amostra, geralmente geradas por validação cruzada, e pode devolver os problemas ordenados por pontuações de qualidade do rótulo. As colunas de probabilidade devem seguir a mesma ordem de classes dos rótulos codificados. Previsões dentro da amostra podem esconder erros que o modelo memorizou. [2]

Fluxo de trabalho prático

1. Versione o dataset, as definições dos rótulos e o mapeamento entre classes e colunas.
2. Gere as probabilidades sem treinar com o exemplo que está sendo avaliado; ao dividir os dados, respeite grupos de entidades e restrições temporais.
3. Ordene os problemas candidatos e defina um orçamento de revisão, incluindo alguns exemplos não sinalizados para comparação.
4. Peça aos revisores que apliquem as regras de anotação e registrem o rótulo original, a decisão, o rótulo corrigido (se houver) e o motivo.
5. Só retreine depois de documentar as alterações aceitas; avalie em um conjunto de teste governado separadamente.

Mantenha os exemplos ambíguos e difíceis até que seu status seja resolvido. Remover toda divergência do modelo pode eliminar casos válidos.

Exemplo ilustrativo

Exemplo ilustrativo, não uma auditoria medida: um ticket de suporte está rotulado como cobrança. Um modelo atribui probabilidade de 0,08 a cobrança, 0,86 a acesso à conta e 0,06 a defeitos de software. A mensagem diz que o cliente não consegue entrar no sistema para ver uma fatura.

Esse é um bom candidato para revisão, mas o rótulo correto depende de a taxonomia seguir o obstáculo imediato ou o objetivo final do cliente. O revisor pode corrigir o rótulo, mantê-lo ou pedir uma orientação mais clara. Revisar os cinquenta tickets mais bem classificados é uma escolha de carga de trabalho, não a afirmação de que o detector encontrou cinquenta erros reais.

Limitações e avaliação

A fraqueza do modelo, a sobreposição entre classes e casos raros porém válidos podem causar divergência. As premissas de ruído condicional à classe podem não valer quando os erros dependem fortemente da entrada dentro de cada classe. [1]

Informe quantos candidatos foram revisados, confirmados, rejeitados ou deixados como ambíguos. Uma amostra revisada que venha apenas dos problemas mais bem classificados não permite estabelecer a taxa de erro do dataset inteiro. Mantenha as correções de rótulos rastreáveis e não limpe um benchmark repetidamente para favorecer o modelo avaliado. Não se afirma a realização de nenhuma auditoria de rótulos nem de experimento de treinamento locais.

Fontes

[1] Confident Learning: Estimating Uncertainty in Dataset Labels [2] Cleanlab: Label-issue detection and filtering