milan米兰体育官方网站 忽视数据适用性的危险：用于训练神经网络的数据的适用性值得更多关注

引用

Swingler K (2011) 忽略数据适用性的危险：用于训练神经网络的数据的适用性值得更多关注。在：NCTA 2011 - 神经计算理论与应用国际会议。神经计算理论与应用国际会议，法国巴黎，2011 年 10 月 24 日至 2011 年 10 月 26 日。 SciTePress 数字图书馆。 http://www.ncta.ijcci.org/Abstracts/2011/NCTA_2011_Abstracts.htm

摘要
用于机器学习的数据的质量和数量（从现在起我们称之为适用性） 任务与机器学习算法本身的能力一样重要。然而这两方面 数据挖掘、机器学习和神经计算并没有给予机器学习同等的重视 社区。与学习算法所花费的精力相比，数据适用性在很大程度上被忽略了 发展。这份立场文件认为，一些新算法和许多调整 如果输入的数据经过适当的预处理，现有的算法将是不必要的，并且需要将工作转向数据适用性评估和纠正。

关键字
数据准备；机器学习；数据挖掘；数据质量和数量；电子数据处理 数据准备；计算机输入输出设备

• 数据质量NCTA_CameraReady.pdf