Feb, 2025

评估数据增强引起的机器学习模型训练和测试偏差

TL;DR本研究解决了在训练和测试机器学习模型时,数据增强对模型偏差影响的理解不足的问题。通过对不稳定测试分类的案例研究,提出了一种测试偏差的方法,并阐明了增强样本在测试集中的影响。这项工作有助于提高软件工程中模型评估的准确性,尤其是在数据稀缺的特定领域。