机器学习：多示例学习MIL

周志华百度文库：https://wenku.baidu.com/view/a66fab43f12d2af90242e6da.html

https://blog.csdn.net/tkingreturn/article/details/39959931

https://blog.csdn.net/qrlhl/article/details/50809955

基础概念 Multiple-Instance learning（ MIL ）

 根据训练数据的歧义性大小，大致可以把在该领域进行的研究划分为三种学习框架：监督学习、非监督学习和强化学习。监督学习的样本示例带有标记；非监督学习的样本示例没有标记，因而该学习模型的歧义性较大。多示例学习可以认为是与三种传统学习框架并列的第四种学习框架，由Dietterich等人于1997年提出，提出的背景是通过一项对分子活性的研究，文章是"Solving the Multiple-Instance Problem with Axis Parallel Rectangles" ，下面就对多示例问题做一个概念性的介绍。

 多示例学习可以被描述为：假设训练数据集中的每个数据是一个