使用区间标签进行学习排序的精确被动-攻击算法
机器学习
2021-01-01 v1 机器学习
摘要
本文提出用于学习排序的精确被动-攻击（PA）在线算法。所提算法即便在样本具有区间标签而非实际标签时亦可使用。所提算法在每次迭代中求解一个凸优化问题。我们找到这些优化问题的精确解以确定更新后的参数。我们提出支持类算法（SCA），其利用优化问题的 KKT 条件找出活跃约束。这些活跃约束构成支持集，决定了需要更新的阈值集合。我们推导了 PA、PA-I 与 PA-II 的更新规则。我们表明所提算法在每次迭代后保持阈值的次序。我们给出了所提算法在理想与一般设置下的错误界。我们还通过实验表明，所提算法利用区间标签与精确标签均能成功学习准确的分类器。与其他方法相比，所提算法亦表现良好。
引用
@article{arxiv.1808.06107,
title = {Exact Passive-Aggressive Algorithms for Learning to Rank Using Interval Labels},
author = {Naresh Manwani and Mohit Chandra},
journal= {arXiv preprint arXiv:1808.06107},
year = {2021}
}