混合成员与部分标签模型的互污染分析
机器学习
2016-02-22 v1
摘要
许多机器学习问题可用互污染模型刻画。在此类问题中，观测到来自一组未知基分布的若干不同凸组合的随机样本。对互污染模型进行去污染——即精确或在置换意义下恢复基分布——颇具意义。本文考虑基分布定义于任意概率空间的一般设定。我们考察两种描述流行机器学习任务的互污染模型中的去污染问题：在混合成员模型中于置换意义下恢复基分布，以及在分类的部分标签模型中精确恢复基分布。我们给出两种互污染模型可辨识性的充要条件、无限与有限样本情形下两问题的算法，并引入基于仿射几何的新证明技巧。
引用
@article{arxiv.1602.06235,
title = {A Mutual Contamination Analysis of Mixed Membership and Partial Label Models},
author = {Julian Katz-Samuels and Clayton Scott},
journal= {arXiv preprint arXiv:1602.06235},
year = {2016}
}