搜索研究与资料 · 工具介绍
Cleanlab
检查机器学习数据中的标签错误、异常与重复问题，并提供面向噪声标签的训练和数据质量分析接口。
Cleanlab 能做什么
检查机器学习数据中的标签错误、异常与重复问题，并提供面向噪声标签的训练和数据质量分析接口。
- 模型训练数据制作与标注
如何使用 Cleanlab
发现训练数据中的可疑标签
准备输入
- 带标签的数据集和兼容的分类器
- 需要重点核对的类别与质量要求
操作步骤
- 用分类器初始化 CleanLearning，传入原始数据和标签。
- 调用 find_label_issues，整理需要人工复核的样本。
- 检查数据质量摘要，确认哪些标签确实有误，再评估清理后的训练与预测表现。
预期交付物
- 可疑标签样本和数据质量摘要
被标记为可疑不代表标签一定错误；需要结合原始样本和领域知识复核，保留修改记录。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估Cleanlab
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
