Label Shift

释义 Definition

标签偏移：在机器学习/统计中，指类别标签的先验分布（各类比例）发生变化，但在给定标签时的特征分布保持不变（常写作 p(x|y) 不变，而 p(y) 改变）。它是“数据集偏移（dataset shift）”的一种常见类型。（在更宽泛语境中也可指“标签/标记发生变化”，但最常见用法在机器学习里。）

发音 Pronunciation (IPA)

/ˈleɪbəl ʃɪft/

例句 Examples

Label shift happens when the proportions of classes change.
当各个类别的比例发生变化时，就会出现标签偏移。

To handle label shift, the model’s predictions are often reweighted using estimated target class priors.
为应对标签偏移，通常会用估计得到的目标域类别先验对模型预测进行重新加权。

词源 Etymology

label 源自中古法语 label/lebel，本义与“挂在物品上的小纸条/标记”相关，后来引申为“名称、类别标签”。shift 源自古英语相关词根，核心含义是“移动、转变、变化”。合起来 label shift 字面即“标签发生转变”，在机器学习里特指“标签分布发生转变”。

相关词 Related Words

• Dataset Shift
• Covariate Shift
• Concept Drift
• Domain Adaptation
• Class Prior
• Reweighting
• Calibration

文学作品与著名出处 Literary Works & Notable Uses

• Pattern Recognition and Machine Learning（Christopher M. Bishop）：在讨论分布变化、分类与概率建模的相关内容时常与“先验变化/数据集偏移”语境并行出现。
• Machine Learning: A Probabilistic Perspective（Kevin P. Murphy）：在概率视角下讨论类别先验与分布变化时常涉及与“标签偏移”相同的思想框架。
• Domain Adaptation in Computer Vision Applications（编辑论文集）：领域自适应语境中经常将 label shift 与 covariate shift 等并列讨论。