자료 평가의 계산 비용
섀플리 기반 데이터 평가에서는 여러 모델을 학습하는 비용이 문제가 될 수 있다. Data-OOB는 배깅 과정에서 얻은 학습기를 다시 활용하는 방향으로 접근한다.
아웃오브배그 추정
방법의 핵심은 배깅 모델의 아웃오브배그 추정치를 데이터 가치로 연결하는 것이다. 별도의 대량 재학습에 의존하는 평가와 계산 구성이 다르다.
영향 함수와의 연결
두 자료의 중요도를 비교할 때 무한소 잭나이프 영향 함수와 같은 중요한 자료를 식별한다는 이론적 해석을 제시했다. 이 결과는 해당 비교 설정에 관한 것이다.
실험에서의 활용
원 연구는 12개 분류 자료에서 잘못된 레이블과 학습에 유용하거나 해로운 자료 집합을 찾는 실험을 했다. 모델 전체의 성능만으로 드러나지 않는 자료별 차이를 조사한다.
관련 문서
데이터 섀플리 / Data Banzhaf / DVRL / TracIn / 영향 함수 기반 학습 자료 추적 / SHAP