Label – (Etiket)

Label (Etiket), denetimli öğrenme (supervised learning) algoritmalarında her bir veri örneğine ait doğru sonucu, sınıfı veya hedef değeri ifade eden bilgidir. Başka bir ifadeyle etiket, modelin öğrenmeye çalıştığı “doğru cevap” niteliğindeki çıktıdır. Makine öğrenmesi modelleri, giriş verileri (features) ile bunlara karşılık gelen etiketler arasındaki ilişkiyi öğrenerek daha önce görmedikleri veriler üzerinde doğru tahminler yapmayı amaçlar. Bu nedenle etiketler, denetimli öğrenme süreçlerinin temel bileşenlerinden biridir ve model başarısını doğrudan etkiler.

Etiketler, problemin türüne göre farklı biçimlerde olabilir. Sınıflandırma (classification) problemlerinde etiketler belirli kategorileri temsil eder. Örneğin bir e-posta filtreleme sisteminde “spam” ve “spam değil”, bir tıbbi görüntü analizinde “kanserli” ve “kansersiz” veya bir görüntü tanıma uygulamasında “kedi”, “köpek” ve “kuş” gibi sınıflar etiket olarak kullanılır. Regresyon (regression) problemlerinde ise etiketler sürekli sayısal değerlerden oluşur. Örneğin bir evin satış fiyatı, hava sıcaklığı veya bir ürünün talep miktarı regresyon modellerinde hedef değişken olarak kullanılan etiketlerdir. Doğal dil işleme, konuşma tanıma ve görüntü işleme gibi alanlarda da metin, ses veya görüntü verilerine uygun etiketler atanarak modellerin öğrenmesi sağlanır.

Etiketlerin oluşturulması süreci veri etiketleme (data labeling) olarak adlandırılır ve yapay zekâ geliştirme süreçlerinde önemli zaman ve maliyet gerektiren aşamalardan biridir. Etiketleme işlemi uzman kişiler tarafından manuel olarak yapılabileceği gibi yarı otomatik veya otomatik yöntemlerle de gerçekleştirilebilir. Ancak eksik, yanlış veya tutarsız etiketler modelin öğrenmesini olumsuz etkileyerek doğruluk oranını düşürebilir ve önyargılı sonuçlara neden olabilir. Bu nedenle veri etiketleme sürecinde kalite kontrol, tutarlılık denetimi ve gerektiğinde birden fazla uzman tarafından doğrulama yapılması önem taşır. Günümüzde sağlık, finans, otonom araçlar, üretim, e-ticaret ve büyük dil modellerinin ince ayar (fine-tuning) süreçleri dâhil olmak üzere birçok yapay zekâ uygulamasında yüksek kaliteli etiketli veriler, başarılı model geliştirmenin en kritik unsurlarından biri olarak kabul edilmektedir.