Files
2nd/10_Wiki/Topics/AI_and_ML/Label-Noise-and-Robustness.md
koriweb d8a80f6272 chore(wiki): dangling 링크 canonical 정규화 (768파일/1200건)
이름만 다른(표기 변형) [[위키링크]]를 대상 문서의 canonical 제목으로 치환해
끊겼던 1,200개 링크를 연결. 제목/파일명 정규화 일치만 적용하고 별칭 매칭은
과병합 위험으로 제외(애매성 가드). 원본은 _link_reconcile_backup/ 에 백업.
도구: Datacollect/scripts/link_reconcile_apply.mjs

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-08 12:24:15 +09:00

6.1 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score verification_status tags raw_sources last_reinforced github_commit tech_stack
wiki-2026-0508-label-noise-and-robustness Label Noise and Robustness 10_Wiki/Topics verified self
Noisy Labels
Label Cleaning
Confident Learning
none A 0.9 applied
ml
label-noise
cleanlab
robust-loss
gce
symmetric-ce
2026-05-10 pending
language framework
python cleanlab/pytorch

Label Noise and Robustness

매 한 줄

"매 데이터셋의 라벨은 거짓말한다". Confident learning 으로 의심 라벨 찾고, robust loss 로 학습 자체를 노이즈에 둔감하게.

매 핵심

매 노이즈 종류

  • Symmetric (uniform): 모든 클래스로 균등 flip
  • Asymmetric (class-conditional): 비슷한 class 로 flip (cat→dog 高)
  • Instance-dependent: 어려운 sample 일수록 noise 높음 (가장 현실적, 가장 어려움)

매 두 갈래

  • Data-centric: 의심 라벨 찾아서 제거/수정 → cleanlab, confident learning
  • Model-centric: 노이즈가 있어도 학습 강건 → robust loss (GCE, SCE), co-teaching, MixUp

매 응용

  1. Crowdsourced 라벨 정리
  2. Web-scraped dataset cleaning
  3. Auto-label 후 검증
  4. Class imbalance + noise 동시
  5. Active learning 의 라벨 효율 극대화

💻 패턴

Pattern 1: cleanlab basic

from cleanlab.classification import CleanLearning
from sklearn.linear_model import LogisticRegression

cl = CleanLearning(clf=LogisticRegression())
cl.fit(X, y)  # 자동으로 의심 label 찾고 제거 후 재학습

# 또는 의심 label 만 받기
from cleanlab.filter import find_label_issues
pred_probs = model.predict_proba(X)
issues = find_label_issues(labels=y, pred_probs=pred_probs, return_indices_ranked_by="self_confidence")
print(f"의심 label {len(issues)} 개")

Pattern 2: Confident learning manual

# 1. K-fold OOF prediction
from sklearn.model_selection import cross_val_predict
pred_probs = cross_val_predict(model, X, y, cv=5, method="predict_proba")

# 2. cleanlab 으로 issue 탐지
from cleanlab import Datalab
lab = Datalab(data={"X": X, "y": y}, label_name="y")
lab.find_issues(pred_probs=pred_probs)
lab.report()

Pattern 3: Generalized Cross Entropy (GCE)

import torch, torch.nn.functional as F

class GCELoss(torch.nn.Module):
    def __init__(self, q=0.7):
        super().__init__()
        self.q = q
    def forward(self, logits, targets):
        probs = F.softmax(logits, dim=-1)
        p_t = probs.gather(1, targets.unsqueeze(1)).squeeze(1).clamp(min=1e-7)
        return ((1 - p_t.pow(self.q)) / self.q).mean()
# q→0 = CE, q→1 = MAE. 0.5~0.7 권장

Pattern 4: Symmetric Cross Entropy

class SCELoss(torch.nn.Module):
    def __init__(self, alpha=0.1, beta=1.0, num_classes=10):
        super().__init__(); self.a, self.b, self.K = alpha, beta, num_classes
    def forward(self, logits, targets):
        probs = F.softmax(logits, dim=-1).clamp(1e-7, 1.0)
        oh = F.one_hot(targets, self.K).float().clamp(1e-4, 1.0)
        ce = F.cross_entropy(logits, targets)
        rce = -(probs * oh.log()).sum(dim=1).mean()  # Reverse CE
        return self.a * ce + self.b * rce

Pattern 5: Co-teaching (small-loss trick)

def co_teaching_step(net1, net2, x, y, opt1, opt2, forget_rate):
    logits1, logits2 = net1(x), net2(x)
    losses1 = F.cross_entropy(logits1, y, reduction="none")
    losses2 = F.cross_entropy(logits2, y, reduction="none")
    # 서로의 small-loss sample 만 학습에 사용
    keep = int(len(y) * (1 - forget_rate))
    idx1 = losses1.argsort()[:keep]
    idx2 = losses2.argsort()[:keep]
    opt1.zero_grad(); F.cross_entropy(net1(x[idx2]), y[idx2]).backward(); opt1.step()
    opt2.zero_grad(); F.cross_entropy(net2(x[idx1]), y[idx1]).backward(); opt2.step()

Pattern 6: Label smoothing as mild regularization

loss = F.cross_entropy(logits, y, label_smoothing=0.1)
# 0.05~0.15. 가벼운 noise 에 효과 있음, heavy noise 엔 부족

Pattern 7: MixUp (간접적 robustness)

def mixup(x, y, alpha=0.2):
    lam = np.random.beta(alpha, alpha)
    idx = torch.randperm(x.size(0))
    return lam * x + (1 - lam) * x[idx], y, y[idx], lam

x_m, ya, yb, lam = mixup(x, y)
loss = lam * F.cross_entropy(model(x_m), ya) + (1 - lam) * F.cross_entropy(model(x_m), yb)

Pattern 8: Cleanlab + confident learning + retraining loop

issues = find_label_issues(y, pred_probs)
clean_idx = [i for i in range(len(y)) if i not in issues]
model.fit(X[clean_idx], y[clean_idx])  # 또는 issues 를 사람에게 review

매 결정 기준

상황 Approach
의심 label 찾아서 사람이 검토 cleanlab
라벨 수정 못 함, 학습만 가능 GCE / SCE
메모리/compute 충분 Co-teaching (2 model)
가벼운 noise (~5%) Label smoothing + MixUp
Heavy noise (>30%) GCE + cleanlab filter

기본값: cleanlab 으로 1차 정리 + GCE loss + label smoothing.

🔗 Graph

🤖 LLM 활용

언제: 의심 라벨 sample 을 LLM 으로 재라벨 (annotator 보조), 라벨링 가이드 자동 생성. 언제 X: high-stakes ground truth (의료, 법률) — 사람 검증 필수.

안티패턴

  • 의심 label 자동 삭제 후 사람 검토 X → 진짜 hard sample 손실
  • CE 만 쓰고 noise 30% 데이터 학습 → overfitting to noise
  • Train/val 둘 다 noisy → eval 자체가 거짓말 (clean test set 분리 필수)
  • cleanlab 한 번 돌리고 끝 → 모델 개선되면 다시 돌려야 함
  • Co-teaching 에 동일 모델 2개 → diversity 0, 효과 없음

🧪 검증 / 중복

  • Verified (cleanlab Northcutt 2021 confident learning, GCE Zhang 2018, SCE Wang 2019, Co-teaching Han 2018). 신뢰도 A.

🕓 Changelog

날짜 변경
2026-05-08 Phase 1
2026-05-10 Manual cleanup — data-centric vs model-centric, GCE/SCE/co-teaching code