Bayesscher Ansatz zur Erkennung von Fehllabels in ML-Modellen

Maschinelles Lernen ist besonders anfällig für schlechte Ergebnisse, wenn die Trainingsdaten fehlerhafte Labels enthalten. Selbst bei sorgfältig kuratierten Datensätzen durch Experten kann ein einzelner falscher Eintrag die Leistung eines Klassifikators erheblich beeinträchtigen. Daher gewinnt die automatische Erkennung und Korrektur von Fehllabels zunehmend an Bedeutung.

In der neuen Studie wird Adaptive Label Error Detection (ALED) vorgestellt, ein bayesscher Ansatz, der Fehllabels in Klassifikationsmodellen erkennt. ALED nutzt zunächst ein tiefes Convolutional Neural Network, um einen Zwischenfeature‑Raum zu extrahieren. Anschließend werden die Features geglättet, die reduzierte Manifold‑Struktur jeder Klasse mit einer mehrdimensionalen Gaußschen Verteilung modelliert und schließlich ein einfacher Likelihood‑Ratio‑Test durchgeführt, um potenziell falsch gelabelte Proben zu identifizieren.

Die Ergebnisse zeigen, dass ALED die Sensitivität deutlich steigert, ohne die Präzision zu beeinträchtigen. Auf mehreren medizinischen Bilddatensätzen konnte die Methode die Fehllabel-Erkennung verbessern. In einem konkreten Beispiel führte die Korrektur der identifizierten Fehler zu einer Reduktion der Testfehler um 33,8 % – ein signifikanter Gewinn für Anwender, die auf robuste Modelle angewiesen sind.

Der ALED‑Detektor ist bereits als Python‑Paket im statlab-Repository verfügbar und lässt sich leicht in bestehende ML‑Workflows integrieren.