从标签比例中学习：一个相互污染框架
机器学习
2020-06-15 v1 机器学习
摘要
从标签比例中学习（LLP）是一种用于分类的弱监督设置，其中未标记的训练实例被分组到包中，每个包都标注了该包中每个类别的比例。先前的LLP工作尚未建立一致的学习过程，也不存在理论上合理的通用训练准则。在本工作中，我们通过将LLP置于相互污染模型（MCM）的框架下来解决这两个问题，该模型最近已成功应用于研究各种其他弱监督设置。在此过程中，我们为MCM建立了几个新颖的技术成果，包括非独立同分布采样计划下的无偏损失和泛化误差界。我们还指出了LLP常见实验设置的局限性，并基于我们的MCM框架提出了一种新的设置。
引用
@article{arxiv.2006.07330,
title = {Learning from Label Proportions: A Mutual Contamination Framework},
author = {Clayton Scott and Jianxin Zhang},
journal= {arXiv preprint arXiv:2006.07330},
year = {2020}
}