ترجمه فارسی مقاله دوبعدی-کاربری خارج از سازمان: تخصیص سهم داده‌ها از طریق چارچوب ارزش‌گذاری مشترک

چکیده

Data valuation has emerged as a powerful framework to quantify the contribution of each datum to the training of a particular machine learning model. However, it is crucial to recognize that the quality of various cells within a single data point can vary greatly in practice. For example, even in the case of an abnormal data point, not all cells are necessarily noisy. The single scalar valuation assigned by existing methods blurs the distinction between noisy and clean cells of a data point, thereby compromising the interpretability of the valuation. In this paper, we propose 2D-OOB, an out-of-bag estimation framework for jointly determining helpful (or detrimental) samples, as well as the particular cells that drive them. Our comprehensive experiments demonstrate that 2D-OOB achieves state-of-the-art performance across multiple use cases, while being exponentially faster. 2D-OOB excels in detecting and rectifying fine-grained outliers at the cell level, as well as localizing backdoor triggers in data poisoning attacks.

چکیده به فارسی (ترجمه ماشینی)

ارزیابی داده ها به عنوان یک چارچوب قدرتمند برای تعیین کمیت سهم هر داده در آموزش یک مدل یادگیری ماشین خاص ظاهر شده است.با این حال ، تشخیص اینکه کیفیت سلولهای مختلف در یک نقطه داده واحد می تواند در عمل بسیار متفاوت باشد ، بسیار مهم است.به عنوان مثال ، حتی در مورد یک نقطه داده غیر طبیعی ، همه سلول ها لزوماً پر سر و صدا نیستند.ارزیابی مقیاس واحد که با روشهای موجود اختصاص می یابد ، تمایز بین سلولهای پر سر و صدا و تمیز یک نقطه داده را محو می کند و از این طریق تفسیر ارزیابی را به خطر می اندازد.در این مقاله ، ما 2D-OOB ، یک چارچوب تخمین خارج از کیسه برای تعیین مشترک نمونه های مفید (یا مضر) و همچنین سلولهای خاصی که آنها را هدایت می کنند ، پیشنهاد می کنیم.آزمایش های جامع ما نشان می دهد که 2D-OOB به عملکرد پیشرفته در موارد چندگانه استفاده می شود ، در حالی که از نظر نمایی سریعتر است.2D-OOB در تشخیص و اصلاح محیط های ریز دانه در سطح سلول ، و همچنین بومی سازی محرک های پشتی در حملات مسمومیت داده ، برتری دارد.