m0_64195997的博客

原创 IDMIL：一种无对齐可解释深度多实例学习：从宏基因组数据预测疾病

多示例学习MIL 假设训练数据集中的每个数据是一个包(Bag)，每个包都是一个示例(instance)的集合，每个包都有一个训练标记，而包中的示例是没有标记的；如果包中至少存在一个正标记的示例，则包被赋予正标记；而对于一个有负标记的包，其中所有的示例均为负标记。包是由多个示例组成的，在多示例学习中，包带有类别标签而示例不带类别标签，最终的目的是给出对新的包的类别预测。如果一个包里面存在至少一个被分类器判定标签为+的示例，则该包为正包；如果一个包里面所有的示例都被分类器判定标签为-，则该包为负包。 IDM