{
    "slug": "datatrust",
    "k": "Kennung in Klärung",
    "f": "tech",
    "s": "ready",
    "t": [
        "DataTrust: Validierung eines Filters für Trainingsdaten",
        "DataTrust: validation of a pre-training data filter"
    ],
    "d": [
        "Empirische Prüfung eines Filters, der Trainingsdaten vor dem Modelltraining behält, gewichtet oder verwirft, nach der Methodik von Mohammed et al. (2025): sechs Arten kontrollierter Verunreinigung, Messung mit und ohne Filter. Gewinn bei fehlenden Werten und Schreibvarianten, keiner bei falschen Etiketten; synthetischer Datensatz.",
        "Empirical test of a filter that keeps, weights or drops training records before model training, following Mohammed et al. (2025): six kinds of controlled pollution, measured with and without the filter. Gains for missing values and inconsistent representation, none for label noise; synthetic dataset."
    ],
    "rel": [],
    "lic": "CC BY 4.0",
    "online": "werkzeuge/datatrust/",
    "log": [
        [
            "2026-07-08",
            "Validierungsbericht v0.3",
            "Validation report v0.3"
        ],
        [
            "2026-09-25",
            "Web-Fassung auf syntagma-science.com",
            "Web edition on syntagma-science.com"
        ]
    ],
    "th": "messen",
    "dateien": [],
    "versionen": [],
    "url": "https://syntagma-science.com/werke/datatrust/"
}