레이블 스무딩
학습 시 정답 레이블을 0 또는 1의 극단적인 값 대신 0.1이나 0.9와 같이 부드러운 값으로 조정하는 정규화 기법이다. 모델이 특정 클래스에 과도하게 확신하는 것을 방지하여 과적합을 줄이고 일반화 성능을 향상시킨다.