标签噪声对离群观测值分类的影响
机器学习
2025-11-13 v1 机器学习
摘要
本研究使用由 Guan & Tibshirani (2022) 提出的 BCOPS 算法（Balanced and Conformal Optimized Prediction Sets，平衡且保形优化的预测集），调查了在分类任务中向训练集类别添加噪声的影响。BCOPS 算法是保形预测结合机器学习方法的应用，用于构建预测集，使得测试观测值的真实类别被包含在预测集中的概率满足指定的覆盖率保证。如果观测值的真实类别不存在于训练集中，则该观测值被视为离群值。本研究采用了合成数据集和真实数据集，并进行了实验，以评估离群观测值的预测弃权率以及模型在此前未经测试的场景中的鲁棒性。结果表明，即使添加少量的噪声，也会对模型性能产生显著影响。
引用
@article{arxiv.2511.08808,
title = {Effects of label noise on the classification of outlier observations},
author = {Matheus Vinícius Barreto de Farias and Mario de Castro},
journal= {arXiv preprint arXiv:2511.08808},
year = {2025}
}
备注
10 pages, 8 figures