Was sind Labeling-Funktionen?

Labeling-Funktionen sind kleine Programmfunktionen, die automatisch Labels (Markierungen) für Daten in Aufgaben des maschinellen Lernens zuweisen, insbesondere im Kontext von schwacher Überwachung (weak supervision). Sie ermöglichen die Erstellung von Trainingsdatensätzen ohne manuelle Kennzeichnung, unter Verwendung verschiedener Heuristiken, Regeln, externer Quellen oder Modelle.

Jede Labeling-Funktion nimmt ein Datenbeispiel als Eingabe und gibt ein Label (z.B. eine Klasse) oder einen speziellen Wert zurück, der angibt, dass die Funktion kein Label zuweisen konnte. Am Ende werden solche Funktionen durch Aggregationsmodelle kombiniert, um die endgültige Kennzeichnung zu erhalten.

Beispiel: Für eine Textklassifizierungsaufgabe kann man eine Labeling-Funktion schreiben, die das Vorhandensein bestimmter Schlüsselwörter prüft und basierend darauf ein Label vergibt.

def lf_contains_urgent(text):
    return 1 if 'urgent' in text.lower() else 0  # 1 — positiver Klasse, 0 — negative

# Verwendung
label = lf_contains_urgent("This is an urgent message")  # Gibt 1 zurück

Auf diese Weise helfen Labeling-Funktionen, den Kennzeichnungsprozess zu skalieren und schwache Signale für das Training von Modellen zu nutzen.