一种利用SPXY采样的标签噪声主动清洗方法

摘要

基于主动学习的标签噪声清洗方法（Active label noise cleaning,ALNC）是一种通过主动学习筛选疑似噪声样本,进而交给人工专家进行再标记的标签噪声清洗方法.虽然该方法既有很好的噪声识别效果又能保持原有数据的完整性,但仍存在人工额外标记代价较高的问题,即筛选出的疑似噪声样本中存在一定比例的正常样本.为了解决这一问题,降低标签噪声清洗过程中的人工额外检验代价,本文提出了一种基于SPXY（Sample Set Partitioning based on Joint X-Y Distance Sampling）采样的标签噪声主动清洗方法（Active label noise cleaning based on SPXY,SPXYALNC）,该方法在主动学习筛选疑似噪声样本的过程中结合了SPXY采样方法,这样既考虑了样本的不确定性,又考虑了样本的代表性,并且在原有标准数据集上针对分类问题进行了实验,实验结果表明该方法在保持原有噪声识别效果的同时可以明显降低人工额外检验代价.