Роль качества данных в повышении эффективности моделей машинного обучения

Багауов К.И.

Ключевые слова: машинное обучение, качество данных, эффективность моделей, разметка данных, оценка алгоритмов, системы машинного обучения.

Аннотация. В статье рассматривается роль качества данных в повышении эффективности моделей машинного обучения. Показано, что точность, полнота, согласованность, актуальность, репрезентативность и корректность разметки влияют на качество обучения, устойчивость алгоритмов и надежность их практического применения. Проанализированы основные характеристики данных, методы их обеспечения на разных этапах цикла обучения, а также результаты исследований, посвященных обработке пропусков и выявлению ошибочной разметки. На примере практики компаний X5 Digital, Яндекс, Walmart и Apple раскрывается значение качества данных для масштабируемости и результативности решений. Сделан вывод о том, что системная работа с данными является важным условием повышения эффективности моделей.

The role of data quality in improving the effectiveness of machine learning models

Bagauov K.I.

Keywords: machine learning, data quality, model effectiveness, data labeling, algorithm evaluation, machine learning systems.

Abstract. This article examines the role of data quality in improving the effectiveness of machine learning models. It is shown that accuracy, completeness, consistency, timeliness, representativeness, and labeling correctness influence training quality, algorithm robustness, and the reliability of practical application. The study analyzes the main characteristics of data quality, methods for ensuring it at different stages of the training cycle, as well as research findings on missing data processing and the detection of mislabeled instances. Drawing on the practices of X5 Digital, Yandex, Walmart, and Apple, the article demonstrates the importance of data quality for the scalability and effectiveness of applied solutions. It is concluded that systematic work with data is an important condition for improving model performance.