评估用于众包概率学习的 Bregman 散度
机器学习
2019-01-31 v1 人工智能
机器学习
摘要
众包场景是一个很好的例子，其展示了在某些类别上存在一个概率分布，用以表明从全局视角看人们如何看待这些类别。学习该概率分布的预测模型，比仅学习一个给出数据最可能类别的判别模型更有价值。本文提出了不同的模型，这些模型将概率分布作为目标来训练机器学习模型。我们聚焦于 Bregman 散度框架，将其用作待最小化的目标函数。结果表明，在构建目标函数并在 Keras 框架下对神经网络进行同等优化时，必须特别小心。
引用
@article{arxiv.1901.10653,
title = {Evaluating Bregman Divergences for Probability Learning from Crowd},
author = {F. A. Mena and R. Ñanculef},
journal= {arXiv preprint arXiv:1901.10653},
year = {2019}
}
备注
A report of results, 7 pages, 4 figures