从正样本和未标记样本中进行主动学习
机器学习
2026-02-03 v1
摘要
正负样本学习（PU learning）是二元分类的一种弱监督变体，其中学习者仅获得（一些）正样本的标签，而所有其他样本 remain unlabeled。鼓励应用包括广告和异常检测，我们研究了一个主动 PU 学习设置，在此设置下，学习者可以从未标记池中自适应查询实例，但只有当实例为正样本且独立的硬币翻转成功时，查询的标签才会揭示；否则，学习者将获得无信息。本文提供了对主动 PU 学习标签复杂度的首个理论分析。
引用
@article{arxiv.2602.02081,
title = {Active learning from positive and unlabeled examples},
author = {Farnam Mansouri and Sandra Zilles and Shai Ben-David},
journal= {arXiv preprint arXiv:2602.02081},
year = {2026}
}