机器训练有输入X和输出标注Y组成，但有时你发现一些标注是错误的，那这时是否要修正呢。

准备工作：

错了就要纠正。

训练集中错误：

来看个例子，如图还是猫脸分类器，其中有猫和狗的图片，我们发现倒数第二张白狗的图片被错误标注成了猫，这也许是工作人员疏忽导致，白狗的图片很多标记成了猫，那是否要修正呢？

如果这种错误发生在训练集，算法对训练集中的随机误差会有很好的鲁棒性，如果这些错误是分布随机的，那么你可以不进行修正；通常训练集都会很大，如果不是集中类的错误，对算法的效果影响不大。

开发集和测试集处理：

如果是开发集和测试集，你可以使用误差分析的方法，看看是否值得花时间去纠正。

如图在表格中增加标注错误的列，对于个例子中有标注错误导致的就打勾，最后做统计，如占了6％，这时再进行分析。

如果训练集误差是10％，那标注错误导致的误差占了0.6％，其他的导致了9.4％，那这时你就该集中精力解决其他所导致的错误，标注错误占比并不大。

假如你解决完其他错误，发现还有2％的误差，那这0.6％的误差就导致了30％错误，其他占1.4％，这时你就有必要花时间去纠正这些错误标签。

还有就是训练集目的是让你在两个分类器A和B中选择最优的，如果这时两个误差是2.1％和1.9％，其中因为标注错误占了0.6％，你就不能准确的评估两个分类器的优劣。

标注错误处理原则：

在做标注错误修正时有几个原则需要注意下：

一是测试集和开发集要做同样的修正，因为之前我们说过开发集和测试集要来自同样的分布，这两个数据集相对于训练集又比较小。

二是你要分析因为标注导致的错误，同时也要分析正确的处理，因为有可能你的网络会碰巧把数据识别正确，当然一般不建议这么做，因为比较困难，正确的数据相对误差数据会很多。

第三是训练集的数据和开发集的数据所处的分布，可以不那么相同，因为训练集一般很大，会有很好的鲁棒性。

小结：

错误标注的数据，要进行分析处理。