Label noise can be a major problem in classification tasks, since most machine learning algorithms rely on data labels in their inductive process. Thereupon, various techniques for label noise identification have been investigated in the literature. The bias of each technique defines how suitable it is for each dataset. Therefore, there is no single technique that can be considered the best for all domains or data distribution and choosing a particular filter is not straightforward. To deal with this situation, this study proposes the use of meta-learning to recommend, for a new dataset,  the best filter. A case study using a real dataset from the ecological niche modeling domain is also presented and evaluated, with the results validated by an expert.

Luis Paulo Garcia possui graduação em Engenharia de Computação (2010) e doutorado em Ciências de Computação (2016) pela Universidade de São Paulo. Realizou dois estágios de pesquisa no exterior, um na Universidade de Granada e outro na Universidade de Dalhousie. Atualmente é Pós-doutorando no Instituto de Computação na Universidade de Leipzig, Alemanha. Tem experiência na área de Ciência da Computação principalmente nos temas relacionados a Mineração de Dados e Aprendizado de Máquina, atuando nas seguintes linhas de pesquisa: detecção de anomalias e meta-aprendizado.