文字類資料，尤其二分類，如果正反比懸殊（超過1：10），反例極容易出現包含正例的噪聲（人工標註準確率95%）
1.這時，首先去除反例中和正例完全相同的誤分類（比如新聞，就是標題；聊天資料就是去掉不可見字元後的文字）
2.視資料質量，也可以用一些高閾值的相似性比較方法，比如傑卡德，餘弦，編輯距離等，再去除一部分噪聲
3.訓練好的分類器，在正例分類器中，按分類器的分值進行排序，頭部的“誤召回”通常是準確的正例識別，只是被人工標註誤分為反例
下圖是一張用fasttext做的二分類，識別為“正例”的資料隨閾值變化分佈。橫軸為歸一化的分值從大到小（Max=0），縱軸為閾值不斷變小，召回的”正例”中正反例的數量變化，其中出現在頭部區域，即閾值取較大數值時，依然“誤分”的反例，極大概率是噪聲（正例），可以人工針對進行清理。