Onderstaand artikel op LinkedIn geeft een vereenvoudigde weergave van de twee soorten ruis. Het artikel is origineel in het Engels gesteld, de Spaanse vertaling gebruikt de terminologie zoals in de vraag hierboven.
¨Identify noise sources
The first step to handle noise is to identify its sources and types. There are two main types of noise: attribute noise and class noise. Attribute noise affects the values of the features or variables, while class noise affects the labels or categories of the data points. You can use descriptive statistics, visualizations, and domain knowledge to explore your data and detect potential noise sources. For example, you can look for outliers, missing values, inconsistent scales, or incorrect labels.¨

https://es.linkedin.com/advice/3/how-can-you-handle-noise-cl...

Gebaseerd op deze toelichting, vond ik de volgende terminologie in het Nederlands, waar deze termen in een veel complexere context worden toegelicht., nl. databeheer in de moderne moleculaire biologie.

EXPLOITING NOISY AND INCOMPLETE BIOLOGICAL DATA FOR PREDICTION AND KNOWLEDGE DISCOVERY
Proefschrift

´Klassenruis´ wordt dan gekoppeld aan de classificatie van´labels´ of categorieën. In dit verband wordt ook well de term ´labelruis´ genoemd, al is dat niet exact hetzelfde. Labelruis kan kennelijk klasse-afhankelijk of klasse-onafhankelijk zijn.
`(Meet)ruis bij kenmerken (variabelen, attributen) beïnvloedt de de waarden van de kenmerken of variabelen. Zie onderstaand voorbeeld en link:

¨Dit proefschrift draagt bij aan deze materie door verschillende methoden voor te
stellen om met incomplete data en data met ruis om te gaan, ten einde de accuraatheid van voorspellingen te verbeteren en het ontdekken van kennis te vergemakkelijken.
Het bevat twee delen die verschillende problemen addresseren. Het eerste deel bevat een theoretische studie betreffende het ontwikkelen van ruistolerante klassificatoren in de aanwezigheid van: 1) fouten in de toegewezen klassen van voorbeelden in de leerset (klassenruis) en 2) meetruis in de kenmerken.¨

https://learn.microsoft.com/pdf?url=https://learn.microsoft....

Zie ook onderstaande uitleg:

¨Door ruis in de data zullen in het algemeen de classificatie-prestaties verslechteren. Ruis kan voorkomen als featureruis of als (klasse) labelruis. Vooral labelruis heeft een sterke invloed. De aanpak bij ruis in de data richt zich in het algemeen op het bepalen van detectiescores voor de ruisdata.¨



--------------------------------------------------
Note added at 5 hrs (2024-05-09 22:06:41 GMT)
--------------------------------------------------

https://repository.tudelft.nl/islandora/object/uuid:4a35d22c...

Link naar proefschrift Exploiting noisy and incomplete biological data for prediction and knowledge discovery