原文链接：https://mp.weixin.qq.com/s/svo0_mJ0RwOUA7hgc0doCw
论文链接：https://arxiv.org/abs/1911.00068
带噪学习：https://github.com/subeeshvasu/Awesome-Learning-with-Label-Noise
开源工具：https://github.com/cgnorthcutt/cleanlab

错误标注很普遍，如下图所示，QuickDraw、MNIST和Amazon Reviews数据集中就存在错误标注。

置信学习三个步骤：

• Count：估计噪声标签和真实标签的联合分布；
• Clean：找出并过滤掉错误样本；
• Re-Training：过滤错误样本后，重新调整样本类别权重，重新训练；

Count包括四步骤：

• 交叉验证
  • 得到n个样本，m个类别的n*m的矩阵
  • 统计每个人工标定类别j的平均概率tj作为置信度阈值
  • 计算每个样本真实类别，最大概率pij且pij大于tj
• 计算计数矩阵（类似混淆矩阵）
• 标定计数矩阵，让计数矩阵的总和与数据总量相同
• 估计噪声标签和真实标签的联合分布，也就是将计数矩阵归一化得到Q

Clean有4种方法：

• 过滤最大pij和人工标记不一致的数据；
• 过滤计数矩阵中非对角单元的样本；
• 对于类别c，选取n*p个样本过滤，其中p是联合分布矩阵中除Q(c,c)之外的概率和；
• 对于计数矩阵非对角单元，选取n*p个样本过滤，p是联合分布矩阵中计数矩阵的单元对应的概率；

Re-Training

• 根据Q修正loss权重
• 采取Co-Teaching框架
  

本方法和置信学习中的SOTA方法Mentornet相比，噪声数据占比40%时，多组实验平均提升34%。