레이블 스무딩
학습 데이터의 정답 레이블을 0 또는 1이 아닌 약간 완화된 값으로 변환하여 모델이 특정 클래스에 과도하게 확신하는 것을 방지하는 정규화 기법이다. 모델의 일반화 성능을 높이고 과적합을 줄이는 데 효과적이다.