在将深度学习模型用于分类任务时，我们通常会遇到以下问题：过度拟合和过度自信。对过度拟合的研究非常深入，可以通过早期停止， 辍学，体重调整等方法解决。另一方面，我们缺乏解决过度自信的工具。标签平滑 是解决这两个问题的正则化技术。通过对 label 进行 weighted sum，能够取得比 one hot label 更好的效果。
label smoothing 将 label 由 转化为
，公式为：
过度自信和校准
如果分类模型的预测结果概率反映了其准确性，则对它进行校准。例如，考虑我们数据集中的100个示例，每个示例的模型预测概率为0.9。如果我们的模型经过校准，则应正确分类90个示例。类似地，在另外100个预测概率为0.6的示例中，我们期望只有60个示例被正确分类。
模型校准对于
- 模型的可解释性和可靠性
- 确定下游应用程序的决策阈值
- 将我们的模型集成到集成或机器学习管道中
过度自信的模型未经过校准，其预测概率始终高于准确性。例如，对于精度仅为0.6的输入，它可以预测0.9。请注意，测试误差较小的模型仍然可能过于自信，因此可以从标签平滑中受益。
标签平滑公式
标签平滑用y_hot和均匀分布的混合替换一键编码的标签矢量y_hot：
y_ls =（1- α）* y_hot + α / K
其中K是标签类别的数量，而α是确定平滑量的超参数。如果α = 0，我们获得原始的一热编码y_hot。如果α = 1，我们得到均匀分布。
标签平滑的动机
当损失函数是交叉熵时，使用标签平滑，模型将softmax函数应用于倒数第二层的对数向量z，以计算其输出概率p。在这种设置下，交叉熵损失函数相对于对数的梯度很简单
∇CE= p - y = softmax（z）-y
其中y是标签分布。特别是，我们可以看到
- 梯度下降将尝试使p尽可能接近y。
- 渐变范围介于-1和1。
一键编码的标签鼓励将最大的logit间隙输入到softmax函数中。直观地，大的logit间隙与有限梯度相结合将使模型的适应性降低，并且对其预测过于自信。
相反，如下面的示例所示，平滑标签鼓励较小的logit间隙。在[3]中表明，这将导致更好的模型校准并防止过度自信的预测。
一个具体的例子
假设我们有K = 3类，并且我们的标签属于第一类。令[ a，b，c ]为我们的logit向量。
如果我们不使用标签平滑，则标签矢量是单热编码矢量[1、0、0]。我们的模型将一个 » b和一个 » Ç。例如，将softmax应用于logit向量[10，0，0]会得出[0.9999，0，0]舍入到小数点后4位。
如果我们使用α = 0.1的标签平滑，则平滑的标签向量≈[0.9333，0.0333，0.0333]。logit向量[3.3322，0，0]在softmax之后将平滑的标签向量近似为小数点后4位，并且间隙较小。这就是为什么我们称标签平滑为一种正则化技术，因为它可以抑制最大的logit变得比其余的更大。