半监督学习中如何给无标签样本打标
哪些公司问过
答案要点
- 自训练:模型预测无标签样本,高置信度结果作为伪标签加入训练并迭代
- 控制错误传播:高置信度阈值、按类别自适应阈值、分批加入、软标签
- 协同训练:两个视图或模型互相提供高置信度标签
- 标签传播:在相似度图上把已知标签扩散到近邻
- 半监督 SVM、生成式模型可直接利用无标签数据;配合抽检和主动学习
易错点
- 一次性把所有预测结果都当标签,导致错误累积
- 只按全局阈值筛选,导致伪标签集中在容易的大类
- 忽视深度模型过度自信,直接把 softmax 概率当可靠置信度
面试官常见追问
- 置信度高就一定标对吗?
- 伪标签和主动学习有什么区别?
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。