机器学习中,训练样本的标签质量严重影响着分类算法的最终效果.虽然干净的标签产生的效果相对来说比较好,但是采集和使用时却费时费力.因此为了节约成本,同时也为了使模型能够适应于一般情况,研究人员逐渐开始针对普通类数据进行学习,即带有标签噪声的数据.虽然近些年有些许著作专门针对标签噪声进行研究,但是缺乏对其的全面分析.基于此,本文首先对标签噪声进行简要而全面的介绍,然后对近几年标签噪声的学习算法分别进行显式、隐式两个方面的分析,并做出总结,最后对未来标签噪声的研究做出展望.
科研之友
微信
新浪微博
Facebook
分享链接
