Label Noise

释义 Definition

标签噪声：在数据集中，样本被分配了错误、模糊或不一致的标签（常见于机器学习/深度学习的训练数据），会导致模型学习到偏差、性能下降或过拟合错误标注。也可泛指“标注环节引入的噪声”。

发音 Pronunciation (IPA)

/ˈleɪbəl nɔɪz/

例句 Examples

The dataset has label noise, so the model’s accuracy drops.
这个数据集存在标签噪声，所以模型的准确率下降了。

Because of label noise from inconsistent annotators, we used robust loss functions and filtered suspicious samples before retraining.
由于标注者不一致造成的标签噪声，我们使用了更鲁棒的损失函数，并在重新训练前筛除可疑样本。

词源 Etymology

由 label（“标签/标注”）和 noise（“噪声/干扰”）组合而成。最常用于机器学习语境，指“标签层面的错误或随机扰动”，强调问题来自标注结果而非输入特征本身。

相关词 Related Words

• Annotation
• Mislabelling
• Noisy Labels
• Data Quality
• Outlier
• Overfitting
• Robustness
• Confusion Matrix

文学与作品 Literary Works

该术语主要出现于机器学习教材与论文（而非传统文学作品）中，例如：

• Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow（Aurélien Géron）中关于数据质量与错误标注对训练的影响的讨论常涉及“label noise/ noisy labels”的概念。
• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）在讨论监督学习与数据噪声时常会提到与“标签噪声”相关的问题框架。
• 研究论文方向如 Learning with Noisy Labels（“带噪声标签学习”）主题的多篇论文会频繁使用该术语或近义表达（如 noisy labels、label corruption）。