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

本文探讨了比例标签学习(Learning from label proportions, LLP)在深度学习中的应用,特别是在辅助生殖技术、基于特征属性的分类问题、视频事件检测和商业促销活动等领域。通过利用样本类别比例,提出了一种基于熵正则化的LLP学习算法,实验结果显示其在这些问题上取得了最优性能。文章介绍了LLP的具体实例,展示了如何通过先验比例信息进行有效分类和预测。" 78116454,5614336,DAG图最长路径与拓扑排序,"['图论', '算法', '数据结构']
摘要由CSDN通过智能技术生成

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
在这里插入图片描述
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(assi

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值