从正类与未标注数据中学习：一项综述
机器学习
2020-05-19 v3 机器学习
摘要
从正类和未标注数据中学习或 PU 学习是指学习者只能访问正类样本和未标注数据的设定。其假设是未标注数据可同时包含正类和负类样本。随着此类数据在诸如医学诊断和知识库补全的应用中自然出现，该设定在机器学习文献中引起了越来越多的关注。本文对 PU 学习的当前最新进展进行了综述。提出了该领域常见的七个关键研究问题，并广泛概述了该领域试图解决这些问题的方式。
引用
@article{arxiv.1811.04820,
title = {Learning from positive and unlabeled data: a survey},
author = {Jessa Bekker and Jesse Davis},
journal= {arXiv preprint arXiv:1811.04820},
year = {2020}
}
备注
There was a typo in section 2.4. The fraction of labeled examples in the single-training-set scenario should be \alpha c, and not \alpha e(x) as was written in the previous version