本頁面由 Cloud Translation API 翻譯而成。

資料集：標籤
透過集合功能整理內容你可以依據偏好儲存及分類內容。

本節將著重於標籤。

直接標籤與代理標籤

請考慮使用兩種不同類型的標籤：

直接標籤：與模型嘗試預測的標籤相同的標籤。也就是說，模型嘗試做出的預測會以資料集的資料欄呈現。舉例來說，如果要預測某人是否擁有腳踏車，那麼名為 bicycle owner 的資料欄就是二元分類模型的直接標籤。
代理標籤：與模型嘗試預測的標籤相似，但不完全相同的標籤。舉例來說，訂閱 Bicycle Bizarre 雜誌的使用者可能擁有單車，但不一定如此。

直接標籤通常比代理標籤更有用。如果資料集提供可能的直接標籤，您應該使用該標籤。不過，直接標籤通常無法使用。

代理標籤永遠是一種折衷，是直接標籤的不完美近似值。不過，某些代理標籤的近似值足以提供實用資訊。使用代理標籤的模型，其效用取決於代理標籤和預測之間的連結。

請注意，每個標籤都必須在特徵向量中以浮點數表示 (因為機器學習基本上只是大量數學運算的組合)。有時，直接標籤會存在，但無法輕易以浮點數字表示在特徵向量中。在這種情況下，請使用 Proxy 標籤。

貴公司希望執行下列操作：

向自行車車主寄送優待券 (「舊車換新車，享 15% 折扣」)。

因此，您的模型必須執行以下操作：

預測哪些人擁有單車。

很抱歉，資料集不含名為 bike owner 的資料欄。不過，資料集確實包含名為 recently bought a bicycle 的資料欄。

recently bought a bicycle 是這個模型的良好代理標籤，還是不良代理標籤？

良好的代理標籤

欄 recently bought a bicycle 是相對不錯的代理標籤。畢竟，現在大多數購買自行車的人都有自行車。不過，

recently bought a
            bicycle

與所有代理標籤一樣，即使是相當優良的代理標籤，也無法達到完美。畢竟購買商品的人不一定是使用 (或擁有) 該商品的人。舉例來說，使用者有時會購買自行車當作禮物。

代理標籤不佳

如同所有代理標籤，recently bought a bicycle 並非完美無缺 (有些自行車是買來送給他人的禮物)。不過，recently bought a bicycle 仍是判斷使用者是否擁有腳踏車的相對良好指標。

部分資料是人工產生的，也就是說，一或多位人員會檢查某些資訊，並提供值，通常是標籤。舉例來說，一或多位氣象學家可以檢查天空圖片，並識別雲朵類型。

或者，系統會自動產生部分資料。也就是說，軟體 (可能是另一個機器學習模型) 會決定價值。舉例來說，機器學習模型可以檢查天空圖片，並自動識別雲朵類型。

本節將探討人類產生資料的優點和缺點。

優點

缺點

請思考以下問題，判斷自己的需求：

請務必仔細檢查人工評分員的評分。舉例來說，您可以自行為 1000 個範例加上標籤，然後查看您的結果與其他評分者結果的符合程度。如果出現差異，請勿假設你的評分正確無誤，特別是如果涉及價值判斷的情況。如果人工評分人員導致錯誤，建議您新增說明來協助他們，然後再試一次。

無論您是如何取得資料，手動查看資料都是不錯的練習。Andrej Karpathy 在 ImageNet 上做了這件事，並寫下相關體驗。

模型可同時使用自動產生的標籤和人工產生的標籤進行訓練。不過，對於大多數模型而言，額外提供一組人類產生的標籤 (可能會過時) 通常不值得額外增加複雜度和維護工作。不過，人工標籤有時可提供自動標籤無法提供的額外資訊。