为了提高主观领域中分类器的性能，本文定义了一种度量方法，用于通过K均值聚类来衡量主观标记训练数据（QoSTD）的质量。 然后，将QoSTD用作预测类分数的权重，以调整实例的可能性。 此外，定义了两个度量以评估由主观标记数据训练的分类器的性能。 利用支持向量机（SVM）和判别分析（DA）模型，通过真实世界的数据集对中药郑氏二元分类器进行训练和再训练，从而验证了该方法的有效性。 。 实验结果表明，对于此类而言，实例与相应观察值的似然性的一致性显着提高，尤其是在QoSTD训练数据集相对较低的情况下。 实验结果还表明了该解决方案，该方法如何从训练数据集中消除未标记的实例，从而在主观领域中对分类器进行再