La etiqueta, o label, es una indicación de categoría, significado o destino asociado a un dato. En el aprendizaje automático, las etiquetas son las respuestas que el modelo intenta predecir. En el procesamiento del lenguaje natural, las etiquetas pueden indicar el sentimiento de una frase, el tema de un documento o el tipo de entidad.
Cómo funciona
La rotulación de datos implica: definir categorías, anotar cada ejemplo con la etiqueta correcta, validar la consistencia entre anotadores y gestionar la calidad de los datos. Las etiquetas de alta calidad son esenciales para entrenar modelos precisos y reducir el sesgo en el sistema de aprendizaje automático.
Ejemplo práctico
En un dataset de correos electrónicos, cada correo puede etiquetarse como spam, normal o importante. Un modelo de clasificación aprende a predecir qué etiqueta recibirá un nuevo correo con base en los ejemplos etiquetados. En la visión por computadora, cada imagen puede tener etiquetas que indican los objetos presentes.
Términos relacionados
- aprendizaje-supervisado: aprendizaje con datos etiquetados
- dataset: colección de datos etiquetados
- anotación-de-datos: proceso de etiquetado
Cómo probar hoy
Crea un dataset simple (por ejemplo: reseñas de películas etiquetadas como buena o mala) y entrena un modelo de clasificación simple usando scikit-learn. Observa cómo la calidad de las etiquetas afecta la exactitud.
Preguntas frecuentes
- ¿Qué es una etiqueta o label? Es una indicación de categoría o significado asociada a un dato, usada en aprendizaje supervisado y clasificación.
- ¿Por qué importan las etiquetas de calidad? Las etiquetas malas llevan a los modelos a aprender patrones incorrectos, aumentando el error, el sesgo algorítmico y reduciendo la confiabilidad de las predicciones.
- ¿Cómo garantizar la calidad del etiquetado? Usa definiciones claras de categoría, capacitación de anotadores, validación cruzada de etiquetas y métricas de concordancia entre anotadores.