基于特权信息的回归与分类广义元损失函数
机器学习
2019-03-26 v2 机器学习
摘要
利用特权信息学习（LUPI）是一种强大的异质特征空间机器学习框架，它允许机器学习模型仅于训练时从高度信息性或特权性特征中学习，而在测试时使用训练与测试均可用的输入空间特征生成预测。LUPI 可显著提升多种机器学习问题的预测性能。然而，现有的利用特权信息学习的大间隔与神经网络实现大多针对分类任务设计。本文提出一种简洁而有效的表述，通过自定义损失函数实现利用特权信息进行回归。除回归外，该表述也允许 LUPI 泛化应用于分类及其他相关问题。我们在不同合成与真实世界问题的回归与分类任务上验证了方法的正确性、适用性与有效性。为检验所提模型在真实世界问题中的效用，我们在蛋白质结合亲和力预测问题上评估了该方法。所提出的基于 LUPI 的回归模型被证明优于当前最先进的预测器。
引用
@article{arxiv.1811.06885,
title = {A Generalized Meta-loss function for regression and classification using privileged information},
author = {Amina Asif and Muhammad Dawood and Fayyaz ul Amir Afsar Minhas},
journal= {arXiv preprint arXiv:1811.06885},
year = {2019}
}