面向噪声标签的深度 k-NN 方法
机器学习
2020-04-28 v1 机器学习
摘要
现代机器学习模型常在带有噪声标签的样本上训练，这些标签损害性能且难以识别。本文中，我们提供一项实证研究，表明在初步模型 logit 层上基于简单 近邻的过滤方法，可移除错误标注的训练数据，并比许多近期提出的方法产生更准确的模型。我们也对其有效性提供了新的统计保证。
引用
@article{arxiv.2004.12289,
title = {Deep k-NN for Noisy Labels},
author = {Dara Bahri and Heinrich Jiang and Maya Gupta},
journal= {arXiv preprint arXiv:2004.12289},
year = {2020}
}
备注
Full paper (including supplemental) can be found at https://github.com/dbahri/deepknn