可能有很多选择，我会看看inter-annotator agreement。

另一种选择是使用另一个作为黄金标准来评估一个（例如通过准确性或 f1 分数）。

如果我没记错的话，这已经存在：随机森林......基本上，集成模型弱分类器之间的较低相关性会增加模型的纠错能力。因此，在创建集成分类器时，最好使用相关性较低的模型。随机森林使用一些巧妙的技巧使其决策树可能是独立的。