<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Machine Learning Basics on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/machine-learning-basics/</link><description>Recent content in Machine Learning Basics on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/machine-learning-basics/index.xml" rel="self" type="application/rss+xml"/><item><title>标签噪声</title><link>https://terms-en.ai-term-hub.com/zh/terms/label_noise/</link><pubDate>Sat, 18 Jul 2026 11:23:29 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/label_noise/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>标签噪声指的是数据实例的真实类别标签与训练数据集中提供的标签之间的差异。这可能源于人工标注错误、模糊的数据点或数据采集过程中的缺陷。标签噪声会降低模型的泛化能力和准确性，因此研究鲁棒学习算法以减轻其影响至关重要。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>用于监督机器学习训练的数据集中，目标标签存在的错误或不一致性。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>数据质量&lt;/li>
&lt;li>鲁棒学习&lt;/li>
&lt;li>标注错误&lt;/li>
&lt;li>对称/非对称噪声&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>在众包数据上训练模型&lt;/li>
&lt;li>处理现实世界中不完美的数据集&lt;/li>
&lt;li>提高模型鲁棒性&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/data_cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">data_cleaning (数据清洗)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/robust_statistics-%E9%B2%81%E6%A3%92%E7%BB%9F%E8%AE%A1%E5%AD%A6/">robust_statistics (鲁棒统计学)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/outlier_detection-%E5%BC%82%E5%B8%B8%E5%80%BC%E6%A3%80%E6%B5%8B/">outlier_detection (异常值检测)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>