从弱监督学习到双质量学习：一篇导论
机器学习
2021-09-28 v3 人工智能
摘要
弱监督学习（WSL）领域近年来人气激增，大量论文致力于解决各类“监督缺失”问题。在 WSL 的应用场景中，存在多种所收集“信息”不完美的情况。WSL 范式试图列举并以相应解决方案覆盖这些问题。本文回顾 WSL 的研究进展，旨在将其作为该领域的一篇简要导论。我们提出 WSL 立方体的三个轴，并概述其各个面上的绝大多数元素。我们提出三个可度量量，作为前述立方体中各点的坐标，即：信息的质量（Quality）、适应性（Adaptability）与数量（Quantity）。由此我们建议，双质量学习（Biquality Learning）框架可被定义为 WSL 立方体的一个方案，并提议将 WSL 文献中先前互不相干的片段重新发掘为统一的双质量学习文献。
引用
@article{arxiv.2012.09632,
title = {From Weakly Supervised Learning to Biquality Learning: an Introduction},
author = {Pierre Nodet and Vincent Lemaire and Alexis Bondu and Antoine Cornuéjols and Adam Ouorou},
journal= {arXiv preprint arXiv:2012.09632},
year = {2021}
}