从正类与未标注数据中交替估计分类器与类先验
机器学习
2018-09-18 v1 机器学习
摘要
我们考虑在病例对照情形下，仅从正类数据和未标注数据（PU学习）中学习二分类器并估计未标注数据中的类先验的问题。近期大多数PU学习方法需要未标注数据中类先验概率的估计值，且该值由另一种方法预先估计。然而，这种先估计类先验再训练分类器的两步法可能并非最优，因为在训练分类器时未考虑类先验的估计误差。本文提出一种新颖的统一方法，交替估计类先验并训练分类器。我们所提方法实现简单且计算高效。通过实验，我们证明了该方法的实际效用。
引用
@article{arxiv.1809.05710,
title = {Alternate Estimation of a Classifier and the Class-Prior from Positive and Unlabeled Data},
author = {Masahiro Kato and Liyuan Xu and Gang Niu and Masashi Sugiyama},
journal= {arXiv preprint arXiv:1809.05710},
year = {2018}
}