Noisy Labels

释义 Definition

“noisy labels”指带噪声的标签/含错误的标注：在监督学习数据中，样本的真实类别（或目标值）被错误标注、标注不一致、或受到主观判断影响，从而导致训练信号不可靠。（常见于众包标注、自动抓取数据、类别边界模糊的任务等。）

发音 Pronunciation (IPA)

/nzi leblz/

词源 Etymology

noisy 来自 noise（噪声）+ 形容词后缀 -y，表示“充满噪声的/受干扰的”；labels 是 label（标签/标注）的复数。作为短语在机器学习语境中引申为“标签受到噪声干扰”，即标注不准确或不稳定。

例句 Examples

The dataset has noisy labels, so the model makes many mistakes.
这个数据集的标签有噪声，所以模型会犯很多错误。

Although we used a large corpus, noisy labels introduced bias and reduced the classifier’s reliability in real-world deployment.
尽管我们使用了大量语料，带噪声的标签仍引入了偏差，并降低了分类器在真实部署中的可靠性。

文学与著作 Literary Works

Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》（深度学习）在讨论数据质量与训练问题时常涉及“label noise/带噪声标签”的概念。
Christopher M. Bishop：《Pattern Recognition and Machine Learning》（模式识别与机器学习）与噪声、误差与监督学习数据质量相关的章节中常出现类似表述。
Reed et al. (2014)：“Training Deep Neural Networks on Noisy Labels with Bootstrapping”标题与内容直接使用该术语。
Natarajan et al. (2013)：“Learning with Noisy Labels”系统讨论带噪声标签下的学习方法。