选择权重的一种方法是基于您对脏数据的置信度并相应地分配权重。例如，如果您认为90%的脏数据被正确标记，则选择0.9作为噪声数据的权重是一个合理的选择。
此外，还有一整套关于从噪声标签中学习的文献，您可以查看此调查以了解更多信息：https://arxiv.org/abs/2007.08199

出于好奇，为什么不直接使用cleanlab来查找数据集中的标签错误和其他数据问题呢？https://github.com/cleanlab/cleanlab
它在几行代码中处理了ML的大多数数据问题，例如：

在1行代码中查找标签问题

from cleanlab.classification import CleanLearning
from cleanlab.filter import find_label_issues

# Option 1 - works with sklearn-compatible models - just input the data and labels ツ

label_issues_info = CleanLearning(clf=sklearn_compatible_model).find_label_issues(data, labels)

# Option 2 - works with ANY ML model - just input the model's predicted probabilities

ordered_label_issues = find_label_issues(
    labels=labels,
    pred_probs=pred_probs,  # out-of-sample predicted probabilities from any model
    return_indices_ranked_by='self_confidence',
)

训练模型，就像数据集没有错误一样-- 3行代码

from sklearn.linear_model import LogisticRegression
from cleanlab.classification import CleanLearning

cl = CleanLearning(clf=LogisticRegression())  # any sklearn-compatible classifier
cl.fit(train_data, labels)

# Estimate the predictions you would have gotten if you trained without mislabeled data.

predictions = cl.predict(test_data)

• 《人工智能研究杂志》（有理论证明它有效）：https://arxiv.org/abs/1911.00068publication
• 使用cleanlab时发现错误：https://labelerrors.com/
• cleanlab的文档和可运行教程：https://docs.cleanlab.ai/