Label Noise（标签噪声）

标签噪声分为随机噪声（与特征无关）和依赖噪声（与特征相关）。深度神经网络容易记忆噪声标签，导致泛化性能下降。应对策略包括：鲁棒损失函数（如MAE、GCE）、样本重加权（如Meta-Weight-Net）、噪声转移矩阵建模、以及基于小损失样本的筛选（如Co-teaching）。此外，标签噪声与半监督学习、噪声鲁棒性研究紧密相关，是数据-centric AI的重要课题。