仅使用正标签源的二分类
机器学习
2022-08-04 v1
摘要
为高效且有效地为机器学习模型创建大量训练标签，研究者已转向弱监督（WS），其使用程序化标签源而非人工标注。现有二分类WS工作通常假设存在能够以大致均衡比例对数据分配正标签和负标签的标签源。然而，对于许多存在少数正类的相关任务，负例可能过于多样，以致开发者无法生成有指示性的标签源。因此，在本工作中，我们研究仅具正标签源的二分类任务上WS的应用。我们提出WEAPO，一种简单但具竞争力的WS方法，可在无负标签源情况下生成训练标签。在10个基准数据集上，我们展示WEAPO在合成标签质量及由这些标签监督的最终分类器性能两方面均取得最高平均表现。我们将\method的实现整合进现有基准平台WRENCH。
引用
@article{arxiv.2208.01704,
title = {Binary Classification with Positive Labeling Sources},
author = {Jieyu Zhang and Yujing Wang and Yaming Yang and Yang Luo and Alexander Ratner},
journal= {arXiv preprint arXiv:2208.01704},
year = {2022}
}
备注
CIKM 2022 (short)