Библиографическое описание:ОПТИМИЗАЦИЯ ДАТАСЕТОВ ДЛЯ МАШИННОГО ОБУЧЕНИЯ: ВЫЗОВЫ И РЕШЕНИЯ В ЗАДАЧАХ ДЕТЕКЦИИ : доклад, тезисы доклада / Н. А. Ермиенко, А. С. Михалев, Н. Н. Гулютин. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Актуальные проблемы авиации и космонавтики : Сборник материалов XI Международной научно-практической конференции, посвященной Дню космонавтики и 10-летию науки и технологий. В 3-х томах / Актуальные проблемы авиации и космонавтики (2025 ; 07.04 - 11.04 ; Красноярск). - Красноярск, 2025. - С. 37-39.
Аннотация:В статье исследуются основные трудности, связанные с выбором и оптимизацией наборов данных для обучения моделей машинного обучения. Среди них: низкое качество данных (ошибки в разметке объектов и метках, артефакты на изображениях, дисбаланс классов), недостаточный объем выборки (риск переобучения и снижение метрик качества), избыточность данных (повышенные вычислительные затраты), избыточность признаков (усложнение моделей) и несоответствие типа данных целям задачи.
The article explores the primary challenges associated with the selection and optimization of datasets for training machine learning models. These include: poor data quality (errors in object bounding boxes and labels, image artifacts, class imbalance), insufficient sample size (risk of overfitting and reduced performance metrics), data redundancy (increased computational costs), feature redundancy (model complexity), and mismatch between data type and task objectives.
