带组噪声的学习
机器学习
2021-03-18 v1 计算机视觉与模式识别
摘要
噪声情境下的机器学习对大量现实应用而言既具挑战又很实用。该领域先前方法多关注带噪声的成对关系（因果或关联关系），如带噪声标签的学习。然而，寄生在粗粒度准确关系之上并带有细粒度不确定性的组噪声同样普遍，却未得到充分研究。此设定下的挑战在于如何发现被组关系及其细粒度噪声所掩盖的真实成对连接。为克服该问题，我们提出一种用于带组噪声学习的新型 Max-Matching 方法。具体而言，它利用匹配机制评估各对象相对于目标的关系置信度，同时考虑组内对象间的非独立同分布（Non-IID）特性。仅最置信的对象被用于学习模型，从而最大程度丢弃细粒度噪声。在多个学习范式下一系列真实世界数据集上的性能证明了 Max-Matching 的有效性。
引用
@article{arxiv.2103.09468,
title = {Learning with Group Noise},
author = {Qizhou Wang and Jiangchao Yao and Chen Gong and Tongliang Liu and Mingming Gong and Hongxia Yang and Bo Han},
journal= {arXiv preprint arXiv:2103.09468},
year = {2021}
}