基于多无标签数据集的 AUC 优化
机器学习
2023-09-18 v3
摘要
弱监督学习旨在完美监督不可用时赋能机器学习，已引起研究者的极大关注。在各类弱监督中，最具挑战性的情况之一是从多个仅含少量类先验知识的无标签（U）数据集学习，简称 U 学习。本文中，我们研究从多个无标签数据集构建 AUC（ROC 曲线下面积）优化模型的问题，该模型最大化分类器的成对排序能力。我们提出 U-AUC，一种将 U 数据转化为多标签 AUC 优化问题且可高效训练的 AUC 优化方法。我们从理论与实证上表明所提 U-AUC 是有效的。
引用
@article{arxiv.2305.15776,
title = {AUC Optimization from Multiple Unlabeled Datasets},
author = {Zheng Xie and Yu Liu and Ming Li},
journal= {arXiv preprint arXiv:2305.15776},
year = {2023}
}