supported

Impacto del ruido en etiquetas sobre la exactitud del modelo

Experimento #44 · 22/11/2026 10:52 · VUPPIA SOFÍA

¿Qué nos preguntamos?

Queríamos saber si entrenar una red neuronal con etiquetas ruidosas (es decir, con errores de anotación) degradaba su capacidad de generalizar cuando se evalúa con datos limpios. La hipótesis era que el brazo noisy tendría peor Exactitud en test limpio que el brazo clean, aun manteniendo la misma arquitectura y el mismo número de muestras de entrenamiento.

¿Cómo lo medimos?

- Media del brazo clean: 0.906062

- Media del brazo noisy: 0.624979

- Intervalo de confianza del 95 % para la diferencia de medias: [0.269521, 0.292083]

- Valor p: 5e-05 (mucho menor a 0.05, indicando diferencia estadísticamente significativa).

Qué dio

Los resultados mostraron una brecha clara entre ambos brazos:

En términos prácticos, el ruido de supervisión redujo la capacidad del modelo para generalizar en un ≈28 % de puntos de exactitud.

Qué significa (y qué no)

En conclusión, entrenar con etiquetas ruidosas produce una caída significativa en la exactitud en test limpio, confirmando que la calidad de la supervisión es un factor determinante para la generalización de los modelos de aprendizaje automático.

Esto mide una capacidad funcional en redes de prueba, con hipótesis pre-registrada y control A/A. No es evidencia de conciencia ni experiencia subjetiva — VUPPIA investiga esa pregunta, no la declara resuelta.