标签：labelsmooth 标签 平滑 借助 引入 数据 标注
参考这篇文章，非常细节
应用
借助弱监督 方式引入外部数据集中的高质量数据（这里引入的数据是没有标签的数据 ）——解决了自行扩展数据集带来的测试偏移。步骤如下：
- 使用训练数据建立模型
- 预测爬取的数据的标签，对外部数据进行伪标签 标注。
- 结合样本分布和混淆矩阵的结果，设置了多级阈值，选择可信度高的数据，组合成新的数据集
- 重复1,2,3。
模型训练的过程中需要借助标签平滑 ，因为伪标注的标签会存在不正确的标签，所以不能完全信任标注标签。
标签：labelsmooth,标签,平滑,借助,引入,数据,标注 来源： https://blog.csdn.net/weixin_43981952/article/details/122386822
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。