利用生成对抗网络从标签比例中学习
机器学习
2019-12-03 v4 机器学习
摘要
本文中，我们利用生成对抗网络（GANs）推导出一种用于从标签比例中学习（LLP）的有效算法 LLP-GAN，其中仅可获得标签的包级比例信息。LLP-GAN 具有端到端结构，借助对抗学习机制进行近似，而不对分布施加限制性假设。据此，我们可直接在判别器上导出最终的实例级分类器。在温和假设下，我们给出了显式生成表示并证明了 LLP-GAN 的全局最优性。此外，与现有方法相比，我们的工作使 LLP 求解器继承了深度模型具备的可扩展能力。在基准数据集上的若干实验展示了所提方法的明显优势。
引用
@article{arxiv.1909.02180,
title = {Learning from Label Proportions with Generative Adversarial Networks},
author = {Jiabin Liu and Bo Wang and Zhiquan Qi and Yingjie Tian and Yong Shi},
journal= {arXiv preprint arXiv:1909.02180},
year = {2019}
}
备注
Accepted as a conference paper at NeurIPS 2019