Cleanlab项目中处理全同数据集的单元测试与改进方案
背景介绍
Cleanlab作为一个开源的数据质量分析工具包,在处理数据集中的标签问题、异常值和近似重复样本方面发挥着重要作用。在实际应用中,我们经常会遇到一些特殊的数据集情况,比如所有数据点几乎完全相同的情况。这类极端案例对于测试算法的鲁棒性和正确性具有重要意义。
全同数据集的测试场景设计
为了全面验证Cleanlab在处理特殊数据集时的表现,我们需要设计两类测试场景:
-
基础测试集:构建一个所有数据点特征完全相同的数据集,其中仅有一个数据点具有不同的标签。这种设计可以专门测试标签问题检测功能,验证算法是否能正确识别出这个唯一标签不一致的样本。
-
扩展测试集:在基础测试集的基础上,增加一个特征不同的数据点。这个设计可以同时测试异常值检测和标签问题检测功能,验证算法是否能:
- 正确识别新增的不同特征数据点为异常值
- 对重叠部分的数据点给出相似的评分
- 保持对原始标签不一致点的检测能力
实现细节与算法改进
在实现过程中,我们发现现有的异常值评分计算存在潜在的数值稳定性问题。具体表现在使用np.finfo(np.float_).eps作为除数时,由于该值过小(约2.22e-16),在特征完全相同的情况下可能导致计算结果不稳定。
针对这个问题,我们提出了以下改进方案:
-
调整极小除数:将所有使用
np.finfo(np.float_).eps作为除数的地方替换为更大的值,如1e-8或100*np.finfo(np.float_).eps,提高数值计算的稳定性。 -
特殊处理零距离情况:在
transform_distances_to_scores()函数中增加对零距离的特殊处理。当平均距离接近于零时,直接将对应的异常值得分设为1.0,避免除以极小值带来的数值问题。
inds = np.isclose(avg_distances, 0.0)
ood_features_scores[inds] = 1.0
测试验证要点
在实施这些改进后,我们需要验证以下关键点:
-
标签问题检测:在基础测试集中,算法必须正确识别出唯一标签不一致的样本。
-
异常值检测:在扩展测试集中,算法应该:
- 对新增的不同特征数据点给出较高的异常值得分
- 正确标记该点为异常值
-
评分一致性:两个数据集中重叠部分的数据点应该获得高度相似的评分,确保算法的一致性。
-
数值稳定性:改进后的算法应该能够稳定处理特征完全相同的情况,不会因为数值问题导致评分异常。
技术意义与价值
这类极端案例的测试虽然简单,但对于确保算法的鲁棒性至关重要。通过这种测试,我们可以:
- 验证核心算法在最简情况下的基本行为是否符合预期
- 发现潜在的数字稳定性问题
- 确保后续版本更新不会引入回归问题
- 为更复杂的实际应用场景提供基础保障
这种严谨的测试方法体现了Cleanlab项目对代码质量的重视,也是开源项目可持续发展的关键实践之一。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00