统计学 > 方法论
[提交于 2025年10月13日
(v1)
,最后修订 2025年10月24日 (此版本, v2)]
标题: 带有理论保证的迭代数据整理
标题: Iterative Data Curation with Theoretical Guarantees
摘要: 近年来,越来越多的大数据集变得可用。数据准确性,即数据中没有可验证的错误,在这些大型材料中对于实现高质量的研究、下游应用和模型训练至关重要。这导致了如何在如此庞大且不断增长的数据中进行数据准确性的维护或改进的问题,尤其是在数据太大以至于无法进行人工维护的情况下。本文提出了一种统一的过程,用于数据集的迭代和持续改进。我们提供了理论保证,证明数据准确性测试可以加快错误减少,并且最重要的是,所提出的方法在渐近意义上将以概率一消除数据中的所有错误。我们通过模拟和一个实际案例来验证理论结果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.