有标签的数据太少时,怎么处理?
哪些公司问过
答案要点
- 迁移学习:基于预训练模型微调,标签很少时可只训练顶层
- 数据增强与合成:图像几何、颜色变换,文本同义替换、回译,大模型合成数据
- 半监督与自监督:伪标签、一致性正则,或在无标签数据上自监督预训练
- 主动学习挑选最有价值的样本标注;弱监督用规则批量生成噪声标签
- 大模型零样本、少样本推理;配合交叉验证和正则化防止过拟合
易错点
- 数据增强改变了标签语义,比如文本替换后情感反转
- 增强或合成样本泄漏到验证集,导致评估虚高
- 标签少却用很大的模型从头训练,严重过拟合
面试官常见追问
- 伪标签方法有什么风险?
- 主动学习怎么挑样本?
- 数据少时怎么评估模型才可靠?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。