高斯雜訊 vs 標籤雜訊
Gaussian Noise vs Label Noise
高斯雜訊 側重 高斯雜訊是一種機率密度符合常態分佈的隨機干擾訊號，數值多集中於平均值，常應用於資料擴增與生成模型中。，而 標籤雜訊 側重 標籤雜訊是指訓練資料集中不正確或錯誤的標籤。這些錯誤標籤會降低模型效能，導致模型學習到錯誤的模式。。
逐項比較
| 項目 | 高斯雜訊 | 標籤雜訊 |
|---|---|---|
| 一句定義 | 高斯雜訊是一種機率密度符合常態分佈的隨機干擾訊號，數值多集中於平均值，常應用於資料擴增與生成模型中。 | 標籤雜訊是指訓練資料集中不正確或錯誤的標籤。這些錯誤標籤會降低模型效能，導致模型學習到錯誤的模式。 |
| 常見標籤 | 資料處理、電腦視覺、生成式AI、模型訓練、source:ipas | 機器學習、模型訓練、資料處理、模型評估、深度學習、電腦視覺 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 在訓練深度學習模型時，為什麼要刻意在資料中加入高斯雜訊？ | 標籤雜訊 最容易跟 資料不平衡 混淆嗎？ |