一种有趣的弱监督机器学习问题：比例标签学习（Learning from label proportions）

已知每个包中的样本类别所占比例，去预测样本真实标签的机器学习任务是一个有趣且重要的研究方向。近年来随着数据的迅猛增长，该方向的研究内容有了更广泛的应用，如基于特征属性的图像目标分类问题、视频事件检测、视频图像中的多分类问题等。
下面是一篇发表在2019年NIPS的关于比例标签学习问题（Learning from label proportions : LLP）的文章。在深度学习理论基础之上，提出了一种基于熵正则化的LLP学习算法，揭示了先验比例信息与类后验概率之间的关系，并提供了与先验比例信息相关的类似然分解表达式，从而证实了最终分类器的存在性及有效性。实验结果表明，该算法达到了到目前为止在该问题上的最优性能。

LLP学习算法示意图

J.Liu, B. Wang, Z. Qi , Y Tian, Y Shi，Learning from Label Proportions with Generative Adversarial Networks. Advances in Neural Information Processing Systems(NIPS), 2019, 7167-7177.
文章链接：https://arxiv.org/abs/1909.02180
文章代码：https://github.com/liujiabin008/LLP-GAN

LLP的具体实例：
1）辅助生殖技术(assisted reproductive technology (ART))：对于辅助生殖技术。 照流程，胚胎需在试管里培育多日。根据国家法律，每次试验，使用的胚胎数量有严格控制。因此ÿ