数据标注那些事

首先，什么是数据标注
先说什么是数据标注。数据标注有很多种类型，比如分类、画框、标注、标注等等，我们下面会详细讨论。
要理解数据标注，首先要明白AI其实是对人类认知功能的部分替代。回想一下我们是怎么学习的。比如我们学会认识苹果的时候，需要有人拿一个苹果给你，告诉你是苹果。然后，你遇到一个苹果之后，你不知道它叫“苹果”。
类比机器学习，我们应该教他认识一个苹果。如果你直接给它一个苹果的图片，它根本不知道是什么。我们首先要有一张标有“apple”字样的苹果图片，然后机器学习图片中的很多特性，再给机器任何一张苹果图片，它就能识别出来。
这里可以顺便提一下训练集和测试集的概念。训练集和测试集都是标记数据。我们以苹果为例。如果我们有1000张标有“Apple”的图片，那么我们可以取900张作为训练集，100张作为测试集。机器从苹果的900张图片中学习一个模型，然后我们识别出机器以前从未见过的剩余100张图片，就可以得到这个模型的精度。我们上学的时候，考试的内容总是和平时的作业不一样，只有这样才能检验学习的真实效果，所以不难理解为什么要分一个测试集。
我们知道机器学习可以分为监督学习和非监督学习。无监督学习的效果是不可控的，经常用于探索性实验。在实际产品应用中，通常使用监督学习。有监督的机器学习需要有标签的数据作为先前的经验。
在标记数据之前，我们必须清理数据，以获得符合我们要求的数据。清理数据包括删除无效数据，整理成正规格式等等。具体数据要求可与算法人员确认。
第二，几种常见的数据标注类型
1.分类标注：分类标注是我们常用的标注。一般从已建立的标签中选择与数据对应的标签，这是一个封闭集。如下图，一张图片可以有很多类别/标签：成人、女性、黄种人、长发等。对于单词&#